Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Irredundant $k$-Fold Cross-Validation

Created by
  • Haebom

作者

Jesus S. Aguilar-Ruiz

概要

従来のK-重複交差検証では、各インスタンスを（k-1）回のトレーニングに、1回のテストに使用して重複を発生させ、多くのインスタンスが学習段階に不均衡に影響する問題があります。この論文では、新しい方法である非重複k-重複交差検証を紹介します。この方法は、完全な検証手順で、各インスタンスが正確に1回のトレーニングとテストに使用されることを保証します。これにより、データセットのバランスの取れた使用を保証し、インスタンスの反復による過適合を軽減し、比較的モデル分析でより明確な違いを可能にします。この方法は、階層化を維持し、モデルとは無関係であり、さまざまなデータセットで既存のk重複交差検証と同様の性能推定値を提供しながら、トレーニングパーティションが重複しないため、より低い分散推定値を提供し、全体的な計算コストを大幅に削減することを実験結果を通じて示しています。

Takeaways、Limitations

•
Takeaways：
◦
データセットのバランスのとれた使用を保証します。
◦
インスタンスの反復による過適合を軽減します。
◦
モデル比較分析でより明確な違いを提供します。
◦
従来のK重複交差検証と同様のパフォーマンスを維持しながら、分散推定値を下げます。
◦
全体の計算コストを大幅に削減します。
◦
階層化を維持し、モデルに依存しません。
•
Limitations：
◦
この論文では特に言及されているLimitationsはありません。追加の実験や分析により、よりさまざまな状況でのパフォーマンスを検証する必要があります。
👍
Made with Slashpage