Out-Of-Fold (OOF) による機械学習モデルの評価 - Qiita

Out-Of-Fold (OOF) の実装は、一般的にはScikit-LearnのK-Foldクロスバリデーションを用いて行います。以下に、単純な分類器を用いたOOFのPythonによる実装の例を示します。 from sklearn.model_selection import KFold from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score import numpy as np Out-Of-Fold (OOF) による機械学習モデルの評価 1. OOFとは？ Out-Of-Fold (OOF)とは、クロスバリデーションの一部で、特にK-foldクロスバリデーションの際に用いられる概念です。データセットをK個の部分集合（フォールド）に分け、K-1個のフォ

[sh19910711]

"OOF; Out-Of-Fold: モデルの未見のデータに対する予測性能をより正確に評価 / データセットをK個の部分集合に分け、K-1個のフォールドを訓練データとし、残り1個のフォールドをテストデータ + 得られた予測値の平均を計算" 2023