4.5.3.2 - Strategie di cross-validazione¶
Abbiamo accennato al fatto che esistono diverse strategie di cross-validazione. In tal senso, Scikit-Learn offre delle utility per ciascuna di queste strategie; vediamole brevemente.
K-Fold¶
La K-Fold cross-validation suddivide i campioni in \(k\) gruppi di dimensione uguale (laddove possibile). Il modello viene quindi addestrato su \(k-1\) gruppi, ed il restante è usato come test. Scikit-Learn usa la classe KFold() per questa strategia di cross-validazione:
Repeated K-Fold¶
Come suggerisce il nome stesso, questa strategia ripete la K-Fold classica per un certo numero di volte, con diverse suddivisioni ad ogni ripetizione. In tal senso, Scikit-Learn offre la classe RepeatedKFold:
from sklearn.model_selection import RepeatedKFold
rkf = RepeatedKFold(n_splits=2, n_repeats=2)
rkf.split(X)
Stratified K-Fold¶
La K-Fold classica opera in maniera indipendente dalle classi: in pratica, non tiene conto della distribuzione delle label nel dataset iniziale. La stratified K-Fold, invece, restituisce degli insiemi nei quali è contenuta approssimativamente la stessa percentuale di campioni di ogni classe target del set completo. Anche in questo caso, viene offerta una funzione apposita da Scikit-Learn, chiamata StratifiedKFold: