Çapraz Doğrulama
Cross-validation
Tanım
Bir istatistiksel modelin öngörü gücünü ve genellenebilirliğini bağımsız veri setleri üzerinde test etmek amacıyla kullanılan yinelemeli bir değerlendirme prosedürüdür.
Örnek Vaka / Uygulama
Klinik psikolojide bir depresyon riskini öngören regresyon modeli geliştirirken, eldeki 500 hastanın verisi rastgele 5 eşit parçaya bölünür. Model 400 hasta üzerinde eğitilip çıkarım denklemi türetilir, ardından kalan 100 hastanın verisi üzerinde test edilerek modelin gerçek dünya verilerindeki doğruluk oranı net bir şekilde hesaplanır.
Derin Analiz
Makine öğrenimi ve istatistiksel modellemede aşırı öğrenmeyi (overfitting) tespit etmek ve engellemek için kritik bir yöntemdir. Temel mantığı, mevcut veri kümesini eğitim (training) ve test (validation) olmak üzere karşılıklı olarak alt kümelere ayırmaktır. Model, ilk alt küme üzerinde eğitilerek parametrelerini optimize ederken, daha önce hiç görmediği ikinci alt küme üzerinde sınanır. K-katlı çapraz doğrulama (k-fold cross-validation) gibi varyasyonlarda veri seti rastgele 'k' adet eş پارça (fold) ayrılır; bunlardan k-1 tanesi modeli kurmak için, kalan 1 tanesi ise doğrulamak için kullanılır. Bu döngü her bir parça test seti olana dek tekrarlanır ve elde edilen hata metriklerinin ortalaması alınarak modelin evrensel geçerliliği test edilir.
Etimoloji
İngilizce 'cross' (çapraz, karşılıklı) ve 'validation' (doğrulama, geçer kılma; Latince 'validus' [güçlü, geçerli] kökünden) kelimelerinin birleşiminden türetilmiştir.
Karıştırmayın
Model eğitimi (model training) ve veri testi (data testing) kavramlarıyla sıklıkla karıştırılır; oysa çapraz doğrulama, bu iki sürecin veri sızıntısı (data leakage) yaratmaksızın sistematik ve döngüsel olarak nasıl yürütülmesi gerektiğini belirleyen metodolojik bir protokoldür.