التحقق المتقاطع والإفراط في الملاءمة

ملاءمة الماضي سهلة

أعطِ نموذجًا حرية كافية فيلائم أي بيانات تدريب بما فيها الضجيج. وهذا هو الإفراط في الملاءمة: ملاءمة رائعة داخل العيّنة تنهار على بيانات جديدة. ونقيضه نقص الملاءمة: نموذج أبسط من أن يلتقط النمط. وعلاجهما أن يُحكم على النموذج ببيانات لم يرها. و$R^2$ داخل العيّنة لا ينخفض أبدًا عند إضافة متنبئات فيكافئ الإفراط في الملاءمة، أما $R^2$ المعدَّل $1-(1-R^2)\frac{n-1}{n-p-1}$ فيعاقب كل متنبئ إضافي.

يقسّم التحقق المتقاطع بـ $k$ طيّة البيانات إلى $k$ طيّة ويدرّب على $k-1$ منها ويُقيّم على الطيّة المحجوزة ويأخذ متوسط الدرجات $k$. وتعطي مجموعة اختبار منفصلة، لا تُمَسّ إلا مرة واحدة في النهاية، التقدير الأمين النهائي؛ أما طيّات التحقق فتُستنفد في خيارات مثل العقوبة $\lambda$. ومع السلاسل الزمنية يكون الخلط خطأً: فالتقسيم العشوائي يدرّب على أيام تلي التي يختبرها فيُسرِّب المستقبل. استعمل بدلًا منه التحقق التدريجي إلى الأمام، مدرّبًا دائمًا على الماضي ومختبِرًا الكتلة التالية، مع فجوة اختيارية لتجنب تداخل التسميات.

• الإفراط في الملاءمة: ممتاز على بيانات التدريب وسيئ على الجديدة. نقص الملاءمة: سيئ على كليهما.
• التحقق المتقاطع: تدريب على بعض الطيّات وتقييم على المحجوزة ومتوسط الدرجات؛ واحتفظ بمجموعة اختبار للنهاية.
• السلاسل الزمنية: لا تخلط أبدًا؛ درّب على الماضي واختبر على الكتلة المستقبلية (التدريجي إلى الأمام).

المختبر: ما الذي يُقيَّم

• حجم مجموعة التدريب10 نقطة
• لماذا لا نخلط15 نقطة
• اختبار تدريجي إلى الأمام15 نقطة
• R تربيع معدَّل15 نقطة
• المصطلحات15 نقطة
• اكتشف التسريب15 نقطة
• لماذا تقول الملاءمة داخل العيّنة القليل15 نقطة