ristikkäisvalidaation

Ristikkäisvalidaatio, tunnetaan myös nimellä ristiinvalidaatio tai K-kertaisen ristikkäisvalidaationa, on koneoppimisessa käytetty menetelmä, jolla arvioidaan mallin ennustuskykyä ja yleistettävyyttä uuteen, näkemättömään dataan. Se auttaa havaitsemaan ylisovituksen (overfitting), jossa malli oppii harjoitusdatan liian hyvin, mukaan lukien kohinan, ja suoriutuu siksi huonosti uudella datalla.

Menetelmä toimii jakamalla alkuperäinen data useampaan osaan, joita kutsutaan "poimuiksi" tai "kerroksiksi". Tyypillisesti käytetään K-kertaista ristikkäisvalidaatiota, jossa data jaetaan K yhtä suureen osaan. Tämän jälkeen malli harjoitetaan K kertaa. Jokaisella harjoituskerralla yksi poimu jätetään pois käytöstä ja sitä käytetään testidatana, kun taas jäljelle jääneitä K-1 poimua käytetään harjoitusdatana.

Kun kaikki K harjoituskertaa on suoritettu, saadaan K erilaista mallia ja K erilaista suorituskykyarviointia. Näiden arviointien keskiarvo antaa lopullisen arvion mallin yleistettävyydestä. Jos yksittäisten poimujen suorituskyvyssä on suuria vaihteluita, se voi viitata epävakaaseen malliin tai siihen, että data ei ole edustavaa. Ristikkäisvalidaatiota käytetään usein mallin valinnassa ja hyperparametrien optimoinnissa.