Você está aqui:
Alerta de falha de validação cruzada
A validação cruzada avalia a generalização de um modelo para dados não vistos dividindo o conjunto de dados em várias partes, treinando o modelo em algumas partes e validando-o em outras. A falha ocorre quando os dados de treinamento não são grandes o suficiente, usam poucos exemplos ou têm um formato inválido, valores ausentes ou desvios.
Ações a considerar
Uma das multiplicações na validação cruzada de multiplicação k teve um desempenho muito diferente do de outras multiplicações. Investigue os dados do treinamento em busca de desvios ou dados anômalos e filtre de acordo.
Metodologia de detecção
O Criador de modelos exibe um alerta quando detecta uma diferença significativa de desempenho em uma das multiplicações.
Exemplo
Uma marca de varejo quer prever a demanda semanal por produtos em várias lojas para que possa otimizar o estoque e melhorar o reabastecimento. Para isso, o varejista cria e treina um modelo de regressão usando essas variáveis de entrada.
- ID da loja
- ID do produto
- preço
- promoção
- contagem de estoques
- temporada
- vendas semanais
Após o treinamento do modelo, um alerta é exibido porque a validação cruzada falhou. Uma ausência de dados de vendas históricos de produto, loja ou conjunto de dados ou divisões de dados para validação cruzada pode causar falha. Para resolver o problema, aqui estão algumas ações a serem consideradas.
- Treine novamente o modelo usando variáveis de entrada repletas de atributos, como "tipo de produto" ou "tipo de loja". Evite usar "ID do produto" ou "ID da loja".
- Remova variáveis como "contagem de ações de fim da semana" que podem vazar informações futuras, tornando o modelo menos confiável.
- Use mais dados se o conjunto de dados for pequeno demais (falta de linhas, colunas ou ambas) para validação cruzada.
