Что такое кросс-валидация

Кросс-валидация — это метод оценки модели, при котором данные разбиваются на несколько частей (фолдов). Модель обучается на всех фолдах, кроме одного, который используется для тестирования. Процесс повторяется для каждого фолда, что позволяет получить более надежную оценку качества модели.

Пример с scikit-learn:

from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris

data = load_iris()
X, y = data.data, data.target

model = RandomForestClassifier()
scores = cross_val_score(model, X, y, cv=5)  # 5 фолдов
print(f"Средняя точность: {scores.mean():.2f}")

Основные типы:

• K-Fold (стандартный)
• Stratified K-Fold (сохраняет распределение классов)
• Leave-One-Out (каждый объект — отдельный фолд)
• Time Series CV (для временных рядов)