Usoro Nkwenye Ogbenye na Ọnụọgụgụ
N'ihe gbasara ọnụọgụgụ na sayensị data, otu n'ime ihe ịma aka kachasị bụ ijide n'aka na ụdị anaghị arụ ọrụ nke ọma na data e ji zụọ ya, kamakwa ọ na-arụ ọrụ nke ọma na data ọhụrụ, nke a na-ahụtụbeghị mbụ. A na-akpọkarị nsogbu a izugbe. Nke a bụ ebe nkwenye zuru oke na-abata: usoro nyocha ihe nlereanya nke e mere iji tụọ arụmọrụ ihe nlereanya nke ọma na nke na-adịgide adịgide karịa otu nyocha site na iji otu data.
Gịnị mere e ji chọọ nkwenye obe?
Mgbe anyị na-ewu ihe nlereanya amụma—dịka ọmụmaatụ, ihe nlereanya nlọghachi azụ iji buru amụma ọnụahịa ụlọ ma ọ bụ ihe nlereanya nhazi iji chọpụta spam—anyị na-ekewa data ahụ ụzọ abụọ: ihe nlereanya ọzụzụ na ihe nlereanya nnwale. A na-azụ ihe nlereanya ahụ na data ọzụzụ wee nyochaa ya na data nnwale ahụ. Ụzọ a dị mfe, mana o nwere ihe ndọghachi azụ: nsonaazụ nyocha ahụ nwere ike ịdabere nke ukwuu n'otú e si kewaa data ahụ. Ọ bụrụ na data nnwale ahụ "dị mfe," arụmọrụ ya dị elu; ọ bụrụ na data nnwale ahụ "siri ike," arụmọrụ ya dị ala.
Nnwale zuru oke na-ebelata ịdabere na otu data site n'ịme ọtụtụ ọzụzụ na usoro nnwale na data dị iche iche wee kewaa nsonaazụ ya. Nke a na-eme ka atụmatụ arụmọrụ dịkwuo mma nke na-anọchite anya ọnọdụ ụwa n'ezie.
Echiche Ndị Dị Mkpa nke Nkwenye Obe
Isi ihe dị mkpa nke nkwenye dị iche iche bụ ikewa data ahụ n'ime ọtụtụ akụkụ (mpịakọta). N'oge mmegharị ọ bụla, a na-eji ụfọdụ mpịachi azụ ihe nlereanya ahụ, a na-ejikwa otu mpịachi nwalee ihe nlereanya ahụ. A na-emeghachi usoro a ruo mgbe ejiri mpịachi ọ bụla mee ihe dị ka data nnwale. A na-ejikọta akara nyocha site na mmegharị ọ bụla (na-abụkarị na nkezi na mgbe ụfọdụkwa ọkọlọtọ mgbanwe) iji nye nkọwa zuru ezu nke arụmọrụ ihe nlereanya ahụ.
Dịka ọmụmaatụ, na nkwenye k-fold cross na k=5, a na-ekewa data ahụ n'ime mpịachi ise. Mpịachi mbụ: mpịachi 1 dị ka ule, mpịachi 2–5 dị ka ọzụzụ. Mpịachi nke abụọ: mpịachi 2 dị ka ule, na ya mere ruo mpịachi 5.
Ụdị Nkwenye Cross Ndị A Na-ahụkarị
1. Nkwenye Holdout (Nkewa Ụgbọ oloko-Ule)
Ọ bụ ezie na ọ bụghị "ugboro ugboro" nkwenye cross-validation, a na-ewerekarị usoro njide dị ka usoro nkwenye dị mkpa. A na-ekewa data ahụ otu ugboro, dịka ọmụmaatụ, ọzụzụ 80% na nnwale 20%. Uru ya bụ na ọ dị ngwa ma dị mfe, mana ọghọm ya bụ nnukwu ọdịiche dị na nsonaazụ ahụ n'ihi na ọ dabere na otu nkewa.
A na-ejikarị usoro a eme ihe mgbe data ahụ buru ibu nke ukwuu, nke mere na ọbụna otu nkewa zuru oke.
2. Nkwenye K-Fold Cross
Nke a bụ ụdị nkwenye kachasị ewu ewu. A na-ahọrọkarị paramita k dị ka 5 ma ọ bụ 10 n'ihi na a na-ewere ya dị ka nhazi ọnụ ahịa mgbakọ na mwepụ na ịdị mma atụmatụ.
gafere:
- Iji data eme ihe nke ọma (data ọ bụla na-aghọ akụkụ nke ụgbọ oloko na ule).
– Atụmatụ arụmọrụ kwụsiri ike karịa njide.
Enweghị:
– Ọ na-ewe oge karịa n'ihi na ọ na-azụ oge ihe nlereanya k.
– Ọ bụrụ na data ahụ buru ibu nke ukwuu ma ọ bụ na ihe nlereanya ahụ dị oke mgbagwoju anya, ọnụ ahịa mgbakọ na mwepụ nwere ike ịdị elu.
3. Nkwenye K-Fold Cross nke a haziri ahazi
Maka nsogbu nhazi, ọkachasị ma ọ bụrụ na klaasị ndị ahụ enweghị nhazi zuru oke (dịka ọmụmaatụ, 90% na-adịghị mma, 10% dị mma), k-fold nkịtị nwere ike ịmepụta mpịachi nwere nkesa klaasị gbagọrọ agbagọ. k-fold nke a na-ahazi na-eme ka oke nke klaasị dị na mpịachi ọ bụla dị ihe dị ka oke nke klaasị dị na data mbụ.
Nke a dị oke mkpa n'inyocha ụdị nchọpụta ọrịa, aghụghọ, ma ọ bụ ikpe ndị ọzọ ebe ndị pere mpe pere mpe.
4. Nkwenye nke otu onye na-ahapụ (LOOCV)
Na LOOCV, ọnụọgụ nke mpịachi hà nhata na ọnụọgụ data (k = n). Nke a pụtara na n'ime mmegharị ọ bụla, naanị otu ihe nlele na-aghọ data nnwale, ebe ndị ọzọ na-aghọ data ọzụzụ.
gafere:
- A na-eji ihe fọrọ nke nta ka ọ bụrụ data niile eme ihe maka ọzụzụ na mmegharị ọ bụla, yabụ echiche atụmatụ nwere ike ịdị obere.
Enweghị:
– Ọ dị oke ọnụ maka nnukwu data.
– Mgbanwe atụmatụ nwere ike ịdị elu n'ụdị nsogbu ụfọdụ n'ihi na ihe nlele ahụ bụ naanị otu isi ihe kwa ugboro.
A na-ejikarị LOOCV eme ihe mgbe data dị ntakịrị, dịka ọmụmaatụ nyocha nwere obere nha ihe atụ.
5. Nnwale K-Fold Cross ugboro ugboro
Usoro a na-emegharị k-fold ọtụtụ ugboro site na ọrụ mpịachi dị iche iche (enweghị usoro). Ebumnuche ya bụ ibelata ịdabere na ọrụ mpịachi otu ugboro ma mepụta atụmatụ kwụsiri ike karị.
Dịka ọmụmaatụ, "mgbagharị ugboro iri ugboro atọ" pụtara ịgba ọsọ ugboro iri ugboro atọ (ngụkọta ọzụzụ na nyocha iri atọ).
6. Nnwale nke Usoro Oge
Maka data usoro oge, nkwenye cross-value nkịtị adabaghị adaba n'ihi na ọ nwere ike "ịbanye n'ọdịnihu" n'ime usoro ọzụzụ. Na usoro oge, a ga-echekwa usoro oge. Ya mere, ụzọ ndị dị ka:
– Windo na-atụgharị/na-amị amị: zụọ ọzụzụ n'oge mbụ wee nwalee ya n'oge na-esote, wee gbanwee windo ahụ.
- Window na-agbasawanye: data ọzụzụ na-abawanye ka oge na-aga, wee nwalee ya n'oge na-esote.
Usoro a dị mkpa maka amụma ahịa kwa ọnwa, ọnụahịa ngwaahịa, ma ọ bụ ihe mmetụta oge.
Usoro Nyocha na Nkwenye Cross
Nkwenye obe bụ naanị usoro nyocha; usoro ejiri mee ihe dabere na ụdị nsogbu ahụ:
– Nlaghachi azụ: MSE, RMSE, MAE, R-squared.
– Nkewa: izi ezi, nkenke, ncheta, akara F1, ROC-AUC.
– Nhazi na-enweghị nhazi: ROC-AUC, PR-AUC (ncheta nke ọma), izi ezi nke ọma.
A na-akọkarị nsonaazụ nkwenye dị ka nkezi metric na nkezi ọkọlọtọ (dịka ọmụmaatụ, izi ezi 0,89 ± 0,03). Ngbanwe ọkọlọtọ na-enyere aka ịghọta nkwụsi ike nke ihe nlereanya ahụ.
Nkwenye zuru oke maka nhọrọ ihe nlereanya na nhazi paramita
Otu n'ime ojiji kachasị mkpa nke nkwenye obe bụ nhọrọ ụdị na nhazi hyperparameter. Dịka ọmụmaatụ:
– Ịhọrọ k na k-NN.
– Họrọ omimi kachasị elu n'osisi mkpebi.
– Chọpụta paramita nhazi na ridge/lasso regression.
- Chọpụta C na gamma na SVM.
N'omume dị mma, a na-eme usoro nhazi na data ọzụzụ site na iji nkwenye cross-validation, ebe a na-edebe data ule ikpeazụ iche maka nyocha ikpeazụ. Nke a na-egbochi "inwe oke olileanya" n'ihi na ihe nlereanya ahụ na-etinye oke na data nyocha.
A na-akpọ usoro siri ike karị nkwenye cross-validation, nke bụ nkwenye cross-validation n'ime nkwenye cross-validation: mkpọchi mpụta bụ maka nyocha, mkpọchi ime bụ maka nhazi. Nke a na-ewu ewu na nyocha n'ihi na ọ na-enye atụmatụ arụmọrụ na-enweghị ajọ mbunobi.
Uru na Mmachi nke Nkwenye Cross
Isi uru:
1. Na-enye atụmatụ arụmọrụ kwụsiri ike karịa nkewa otu.
2. Jiri data nke ọma, ọkachasị mgbe data ahụ dị obere.
3. Na-enyere aka ịhọrọ ụdị nkịtị ma na-ebelata ihe ize ndụ nke itinye oke ibu.
Mmachi:
1. Ọnụ ego mgbakọ na mwepụ na-abawanye ka a na-eme ọzụzụ ugboro ugboro.
2. Ntapu data ka nwere ike ime ma ọ bụrụ na emebeghị nhazi mbụ nke ọma.
3. Maka data otu (dịka ọmụmaatụ, data onye ọrịa nwere ọtụtụ ndekọ), a chọrọ usoro pụrụ iche, dị ka otu k-fold, ka otu onye ghara ịpụta na ụgbọ oloko ahụ ma nwalee ya n'otu oge.
Ezi Omume n'iji Nkwenye Cross
Iji mee ka nnyocha ahụ dị irè, a ga-agbaso ọtụtụ ụkpụrụ dị mkpa:
– Mee nhazi tupu oge eruo (nhazi, mwepu, nhọrọ atụmatụ) n'ime mpịachi ọ bụla, ọ bụghị otu ugboro maka data niile. Ma ọ bụghị ya, ozi sitere na mpịachi nnwale nwere ike ịbanye n'ime mpịachi ụgbọ okporo ígwè.
– Jiri k-fold stratified maka nhazi na klas ndị na-enweghị nhazi.
– Jiri usoro pụrụ iche maka data usoro oge ka e wee ghara imebi iwu ahụ.
– Debe ihe nlele ikpeazụ ma ọ bụrụ na ebumnuche gị bụ inyocha arụmọrụ ikpeazụ nke ihe nlereanya ahụ tupu etinye ya.
Penutup
Nnwale zuru oke bụ ngwa dị mkpa n'ịtụle ọnụọgụgụ ndị etinyere na mmụta igwe maka inyocha arụmọrụ ụdị n'ụzọ ziri ezi na nke siri ike. Site n'iji nkekọrịta data ugboro ugboro, nkwenye zuru oke na-enyere aka belata ajọ mbunobi nke nhọrọ nkewa nke ụgbọ okporo ígwè kpatara, na-achọpụta oke nha nha, ma na-akwado nhọrọ ụdị na nhazi hyperparameter. Ọ bụ ezie na ọnụ ahịa mgbakọ na mwepụ dị elu, uru na-abụkarị uru ya, karịsịa mgbe dataset dị obere ma ọ bụ mgbe mkpebi dabere na nsonaazụ ụdị nwere nnukwu nsonaazụ. Site n'ịhọrọ ụdị nkwenye zuru oke na itinye omume kacha mma n'ọrụ, anyị nwere ike iwulite ụdị ntụkwasị obi ndị dị njikere iji na data ụwa n'ezie.
