విషయ సూచిక:
నిర్వచనం - క్రాస్ ధ్రువీకరణ అంటే ఏమిటి?
క్రాస్ ధ్రువీకరణ అనేది గణాంక విశ్లేషణ ఫలితాలు స్వతంత్ర డేటా సమితికి ఎలా సాధారణీకరిస్తాయో అంచనా వేయడానికి ఉపయోగించే ఒక సాంకేతికత. లక్ష్యాన్ని అంచనా వేసే సెట్టింగులలో క్రాస్ ధ్రువీకరణ ఎక్కువగా ఉపయోగించబడుతుంది మరియు model హాజనిత నమూనా పనితీరు యొక్క ఖచ్చితత్వాన్ని అంచనా వేయడం అవసరం. సాంప్రదాయిక ధ్రువీకరణ కంటే క్రాస్ ధ్రువీకరణను ఉపయోగించటానికి ప్రధాన కారణం ఏమిటంటే, వాటిని ప్రత్యేక శిక్షణ మరియు పరీక్షా సెట్లుగా విభజించడానికి తగినంత డేటా అందుబాటులో లేదు (సాంప్రదాయ ధ్రువీకరణ వలె). ఇది పరీక్ష మరియు మోడలింగ్ సామర్థ్యాన్ని కోల్పోతుంది.
క్రాస్ ధ్రువీకరణను భ్రమణ అంచనా అని కూడా అంటారు.
టెకోపీడియా క్రాస్ ధ్రువీకరణను వివరిస్తుంది
Problem హాజనిత సమస్య కోసం, ఒక మోడల్ సాధారణంగా తెలిసిన డేటా యొక్క డేటా సమితితో అందించబడుతుంది, దీనిని శిక్షణ డేటా సమితి అని పిలుస్తారు మరియు పరీక్ష డేటా సమితి అని పిలువబడే మోడల్ పరీక్షించబడిన తెలియని డేటా సమితి. శిక్షణ దశలో మోడల్ను పరీక్షించడానికి డేటా సెట్ చేయడమే లక్ష్యంగా, ఆపై నిర్దిష్ట మోడల్ స్వతంత్ర డేటా సెట్కు ఎలా అనుగుణంగా ఉంటుంది అనేదానిపై అంతర్దృష్టిని అందిస్తుంది. క్రాస్-ధ్రువీకరణ యొక్క ఒక రౌండ్ డేటాను పరిపూరకరమైన ఉపసమితులుగా విభజించి, ఒక ఉపసమితిలో విశ్లేషణ చేస్తుంది. దీని తరువాత, విశ్లేషణ ఇతర ఉపసమితులపై (పరీక్షా సెట్లు) ధృవీకరించబడుతుంది. వైవిధ్యతను తగ్గించడానికి, అనేక విభిన్న విభజనలను ఉపయోగించి అనేక రౌండ్ల క్రాస్ ధ్రువీకరణ జరుగుతుంది మరియు తరువాత ఫలితాల సగటు తీసుకోబడుతుంది. మోడల్ పనితీరు సాంకేతికత యొక్క అంచనాలో క్రాస్ ధ్రువీకరణ ఒక శక్తివంతమైన సాంకేతికత.
