Validação Cruzada

A validação cruzada (k-fold) divide os dados em k partes e treina o modelo k vezes, usando uma parte diferente para teste a cada rodada, produzindo uma estimativa mais robusta do desempenho.

Essa técnica é especialmente útil quando o conjunto de dados disponível é pequeno.

Balanceamento de Classes

Em problemas de classificação com classes desbalanceadas (por exemplo, poucas fraudes entre milhares de transações), o modelo pode aprender a ignorar a classe minoritária.

Técnicas como sobre-amostragem, sub-amostragem ou ponderação de classes ajudam a corrigir esse desequilíbrio durante o treinamento.

Questões

Exercite seu aprendizado!