Глоссарий ИИ
Полный словарь искусственного интеллекта
K-кратная перекрестная проверка
Метод, разделяющий данные на K равных частей для обучения и тестирования модели K раз в циклическом порядке.
Метод перекрёстной проверки Leave-One-Out
Экстремальный вариант K-fold, где каждое наблюдение один раз используется для тестирования и N-1 раз для обучения.
Стратифицированная перекрестная проверка
Сохраняет пропорции классов в каждом разделе, что важно для несбалансированных данных.
Кривая ROC и AUC
Графическая метрика, оценивающая производительность бинарных классификаторов по показателям истинно положительных и ложно положительных результатов.
Матрица ошибок
Сводная таблица правильных и неправильных прогнозов для оценки эффективности классификации.
Bootstrap Validation
Метод повторной выборки с возвращением для оценки изменчивости и производительности модели.
Метрики регрессии
Набор показателей (MAE, MSE, RMSE, R²), измеряющих точность прогнозов моделей регрессии.
Кривая обучения
Диагностический инструмент, анализирующий изменение производительности в зависимости от размера обучающих данных.
Временная перекрестная проверка
Адаптация, учитывающая хронологический порядок данных для оценки моделей временных рядов.
Метрика F1-Score
Среднее гармоническое между точностью и полнотой, идеально подходит для задач классификации с несбалансированными данными.
Пренебрежительная перекрёстная проверка
Двойная перекрёстная проверка, предотвращающая переобучение при выборе гиперпараметров и моделей.
Кривая валидации
График, исследующий влияние гиперпараметров на производительность модели для оптимизации настройки.
Групповая перекрёстная проверка
Метод, предотвращающий утечку информации путём объединения связанных наблюдений в одни и те же разделы.
Метрики точности-полноты
Дополнительные показатели, оценивающие релевантность положительных прогнозов и их полноту.
Кросс-валидация по блокам
Специализированный подход для структурированных данных (временных, пространственных), сохраняющий локальную зависимость.