क्रॉस वैलिडेशन (Cross-Validation) क्या है? सरल व्याख्या
क्रॉस वैलिडेशन (cross-validation) एक रीसैंपलिंग तकनीक है जो डेटा को कई भागों में बाँटती है, बारी-बारी से कुछ भागों पर मॉडल प्रशिक्षित और शेष भाग पर परीक्षण करती है, फिर परिणामों का औसत निकालकर यह अनुमान लगाती है कि मॉडल नए डेटा पर कितना अच्छा काम करेगा।
सरल भाषा में
किसी एक परीक्षा से छात्र का सही मूल्यांकन नहीं होता, क्योंकि वह पेपर उसके अनुकूल हो सकता है। कई परीक्षाएँ लेकर औसत निकालना बेहतर होता है। क्रॉस वैलिडेशन इसी तरह डेटा के अलग-अलग हिस्से बारी-बारी से परीक्षण के लिए रखती है।
एक बार के बँटवारे का जोखिम
एक ही train-test बँटवारे का नतीजा संयोग से अधिक या कम हो सकता है। क्रॉस वैलिडेशन में हर उदाहरण कभी प्रशिक्षण तो कभी परीक्षण में आता है।
k-fold कैसे काम करता है
| चरण | विवरण |
|---|---|
| बँटवारा | डेटा को k फोल्ड में बाँटें |
| चक्र | एक फोल्ड परीक्षण के लिए रखें |
| प्रशिक्षण | शेष k-1 फोल्ड पर सीखें |
| पुनरावृत्ति | सभी फोल्ड पर बारी-बारी चलाएँ |
| औसत | k स्कोर का औसत लें |
सामान्य चयन
k = 5 या k = 10 आमतौर पर उपयोग होता है, जो विश्वसनीयता और गणना के बीच संतुलन बनाता है।
सीमाएँ
मॉडल कई बार प्रशिक्षित होता है, इसलिए गणना बढ़ जाती है। यह overfitting पहचानने में मदद करता है, पर सावधान डेटा तैयारी या अलग परीक्षण सेट का विकल्प नहीं है।
FAQ
फोल्ड क्या है?
डेटा के उन भागों में से एक जिसे एक बार परीक्षण के लिए रखा जाता है।
k का क्या अर्थ है?
फोल्ड की संख्या, जो प्रशिक्षण चक्रों की संख्या के बराबर होती है।
क्या क्रॉस वैलिडेशन overfitting रोकता है?
यह overfitting पहचानने और चयन में मदद करता है, सीधे रोकता नहीं।
स्कोर का औसत क्यों लेते हैं?
औसत से किसी एक बँटवारे का प्रभाव घटता है और अनुमान स्थिर होता है।
मुख्य बातें
- क्रॉस वैलिडेशन परीक्षण फोल्ड बारी-बारी बदलती है।
- यह एक बँटवारे की तुलना में अधिक विश्वसनीय अनुमान देती है।
- k = 5 या 10 सामान्य है।
- इसमें अधिक गणना लगती है।
आगे पढ़ें मशीन लर्निंग क्या है और न्यूरल नेटवर्क क्या है।
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free