Loading
Om Salesforce Data 360
Alarm om krydsvalideringsfejl

Alarm om krydsvalideringsfejl

Krydsvalidering evaluerer, hvor godt en model generaliseres til usete data ved at opdele datasættet i flere dele, træne modellen på nogle dele og validere den på andre. Fejl forekommer, når træningsdata ikke er store nok, bruger for få eksempler eller har et ugyldigt format, manglende værdier eller afvigelser.

Handlinger, du bør overveje

En af foldene i K-fold-krydsvalideringen klarede sig meget anderledes end de andre fold. Undersøg dine træningdata for afvigelser eller uregelmæssige data, og filtrer i henhold dertil.

Registreringsmetodologi

Modelkonstruktør viser en advarsel, når den registrerer en væsentlig forskel i ydeevne i en af foldene.

Eksempel

Et detailbrand ønsker at forudsige den ugentlige efterspørgsel efter produkter i forskellige butikker, så det kan optimere lageret og forbedre genopfyldningen. For at opnå dette opbygger og træner detailhandleren en regressionsmodel ved brug af disse inputvariabler.

  • butiks-id
  • produkt-id
  • pris
  • reklamekampagne
  • lagerantal
  • sæson
  • ugentligt salg

Efter modeltræning vises der en advarsel, fordi krydsvalidering mislykkedes. Manglende produkt-, butiks- eller historiske salgsdata i datasættet eller i datopdelinger til krydsvalidering kan medføre fejl. Hvis du vil løse problemet, er der nogle handlinger, du bør overveje.

  • Træn modellen igen ved brug af attributrige inputvariabler, f.eks. "produkttype" eller "butikstype". Undgå at bruge "produkt-id" eller "butiks-id".
  • Fjern variabler som f.eks. "slut-of-week-lagerantal", der kan lække fremtidige oplysninger, hvilket gør modellen mindre pålidelig.
  • Brug flere data, hvis datasættet er for lille (for få rækker, kolonner eller begge) til krydsvalidering.
 
Indlæser
Salesforce Help | Article