AITerms 登入
iPAS 中級 模型評估模型訓練

交叉驗證(Cross-Validation)是什麼?

交叉驗證是一種將資料分成多份,輪流以不同子集作為驗證集,藉此評估模型泛化能力的技術

同主題的術語模型評估模型訓練

完整定義

交叉驗證是一種模型評估技術,用於評估機器學習模型在未見資料上的泛化能力。它將資料集分成多個子集(通常稱為摺疊),然後迭代地使用其中一個子集作為驗證集,其餘子集作為訓練集。通過平均多次迭代的評估結果,可以更可靠地估計模型的性能。在 iPAS 考試中,交叉驗證是評估模型泛化能力的重要方法。

白話說明

你有沒有在你怕模型只是在一份資料上考得好,換一份就掉分時,還在想這件事到底該怎麼看?

把它想成多次輪流考試,看模型是不是每次都穩。

它會把資料切成幾份,輪流拿不同部分當驗證集,讓評估更穩定。

資料越少,越需要靠它來減少偶然性。

記住這句

不是只考一次,是輪流考好多次。

比喻:交叉驗證就像學生準備多個模擬考 -- 不是只考一份,而是把題目分成好幾份,每次用不同的考卷來測試自己,確保自己是真的懂了,而不是剛好猜對其中一份考卷。

容易混淆

validation-set

vs 單一驗證集:單一驗證集像只考一份模擬考,結果可能不準確,容易過度樂觀或悲觀;交叉驗證則像考好幾份模擬考,能更全面地評估模型的真實實力。

常見混淆:交叉驗證 vs validation-set

單一驗證集只切一次,交叉驗證會輪流驗證多次。

實際案例

小資料集選模

樣本少時,用交叉驗證比單次切分更可靠。

超參數比較

不同參數組合都跑幾輪,平均後再決定誰比較穩。

演算法與應用

1. 常見做法是 k-fold,把資料分成 k 份輪流驗證。

2. 它能降低單次切分的運氣成分,但不等於完全消除過擬合。

3. 如果資料量很大,單一驗證集有時就夠用,因為計算成本更低。

情境判斷

Q1:你只有很少資料,還想比較兩個模型,該用什麼?

交叉驗證通常更適合,因為它能讓評估更穩。

Q2:交叉驗證做完就不用測試集了嗎?

不是,測試集還是要保留,最後確認泛化能力時不能拿來訓練。

iPAS 考題

Q1:交叉驗證主要用來做什麼?

評估模型泛化能力,尤其適合資料量較小時。

Q2:k-fold 交叉驗證的核心做法是什麼?

把資料分成 k 份,輪流拿其中一份做驗證,其餘做訓練。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,有 11 題把交叉驗證列為延伸術語,這裡列出 5 題。

立即測驗

想測試你對 交叉驗證 的掌握程度?用考古題作答

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

參考來源:ipd.nat.gov.tw

考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。

其他格式:Markdown 版本