Convalida incrociata

La convalida incrociata (cross-validation in inglese) è una tecnica statistica[1] utilizzabile in presenza di una buona numerosità del campione osservato. In particolare, la convalida incrociata cosiddetta k-fold consiste nella suddivisione dell'insieme di dati totale in k parti di uguale numerosità e, a ogni passo, la kª parte dell'insieme di dati viene a essere quella di convalida, mentre la restante parte costituisce sempre l'insieme di addestramento. Così si addestra il modello per ognuna delle k parti, evitando quindi problemi di sovradattamento, ma anche di campionamento asimmetrico (e quindi affetto da distorsione) del campione osservato, tipico della suddivisione dei dati in due sole parti (ossia addestramento/convalida). In altre parole, si suddivide il campione osservato in gruppi di egual numerosità, si esclude iterativamente un gruppo alla volta e si cerca di predirlo coi gruppi non esclusi, al fine di verificare la bontà del modello di predizione utilizzato.

Note

1. Metodo Cross-validation, su simone.it. URL consultato il 28 ottobre 2009 (archiviato dall'url originale il 25 ottobre 2013).

Bibliografia

• I. Witten, E. Frank: Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann
• R. Duda, P. Hart, D. Stork: Pattern Classification, Wiley
• T. Hastie, R. Tibshirani, J. Friedman: The Elements of Statistical Learning, Springer

Voci correlate

• Ricampionamento
• Metodo bootstrap
• Training set
• Griglia di ricerca

Altri progetti

Altri progetti

• Wikimedia Commons

• Wikimedia Commons contiene immagini o altri file su convalida incrociata

Collegamenti esterni

• (EN) Cross-Validation tutorial by Andrew Moore, Carnegie Mellon University, Stati Uniti, su autonlab.org. URL consultato il 28 ottobre 2009 (archiviato dall'url originale il 16 aprile 2010).