🗺️ AI 學習與考證地圖

交叉驗證三部曲

玩三種方法，體驗它們的差異

K-Fold 標準版

Stratified 分層版

LOO 留一法

K-FOLD

5 折 · 20筆/折

均等切割，隨機分配

Mochi 貓老師專注地把五張資料折卡輪流排成訓練與驗證組

STRATIFIED

5 折 · 保比例

每折類別比例相同

Mochi 貓老師細心觀察三種顏色樣本在每一折是否維持比例

LOO

100 折 · 1筆/折

每次留一筆，最細緻

Mochi 貓老師溫和驚訝地從一百個樣本中取出一個做驗證

📊 交叉驗證方法

方法	做法	適合
K-Fold	切 K 份輪流當驗證	通用預設(常 5／10)
Stratified K-Fold	各折保持類別比例	分類、不平衡
Group K-Fold	同群組不跨折	有群組／重複(同一人)
Time Series Split	只用過去預測未來	時間序列
LOOCV	留一筆當驗證	資料極少

✅ 自我檢測

交叉驗證解決什麼問題？

只切一次訓練／測試易受運氣影響;CV 多次切分平均,估計更穩、更充分利用資料。

最常見的錯誤是什麼？

前處理(縮放／填補／選特徵)用到全資料→洩漏;要放進 pipeline 對每折分別 fit。

資料不平衡或有群組怎麼辦？

不平衡用分層(Stratified);有群組／重複用 Group K-Fold;時間序列用時序切分。

🎯 重點整理

CV 多次切分平均,估計更穩。
前處理放 pipeline,對每折分別 fit。
不平衡用 Stratified K-Fold。
有群組用 Group、時序用時間切分。
K 常取 5 或 10;資料極少才 LOOCV。

← 返回 AI 學習與考證地圖