統計解碼與機器學習基礎
巢狀交叉驗證
當管線含超參數(正則化強度、特徵數、選用哪些通道)時,在報告表現所用的同一份資料上調校它們會洩漏測試集、使分數上偏。巢狀交叉驗證使用兩個迴圈:內層交叉驗證在訓練部分上選擇超參數,外層交叉驗證——其測試折內層從未見過——在每個外折內重新做出這些選擇下估計泛化。所報告的數值為外折的平均。
其成本約為兩迴圈規模在計算上的乘積,回報是對整個模型選擇程序(而非某個幸運組態)近似不偏的估計。報告最佳超參數自身分數的單迴圈交叉驗證是樂觀偏誤,當搜尋大量組態時有時嚴重。
估計的對象很重要:巢狀交叉驗證評估的是含調校的管線,而非固定模型。若接著在全部資料上重新訓練已調校的管線以供部署,巢狀交叉驗證分數即是你對其表現的誠實期望——但各外折最終選出的超參數可能不同,這是預期之中。
另见