МЕТОД КРОСС-ВАЛИДАЦИИ И МЕТОДЫ ОПТИМИЗАЦИИ МОДЕЛИ
DOI:
https://doi.org/10.5281/zenodo.20354968Ключевые слова:
машинное обучение, оценка моделей, кросс-валидация, обобщение, переобучение, гиперпараметры, оптимизация.Аннотация
В данной работе рассматриваются методы оценки моделей машинного обучения и их способность к обобщению. Анализируются виды кросс-валидации (K-fold, LOOCV, стратифицированная) и методы оптимизации моделей (Grid Search, Random Search, Bayesian Optimization). Данные подходы направлены на повышение эффективности моделей и снижение проблемы переобучения.Библиографические ссылки
Yo'ldoshev, G. Sun'iy intellekt va neyron tarmoqlar. Qarshi: Qarshi Davlat Universiteti nashriyoti, 2022. (45–78-betlar)
Rustamov, H. Ma'lumotlar tahlili va bashoratlash modellari. Toshkent: O'zbekiston Milliy Ensiklopediyasi Davlat ilmiy nashriyoti, 2018. (102–134-betlar)
Nazarov, U. Kross-validatsiya va model sifatini baholash. Buxoro: Buxoro Davlat Universiteti nashriyoti, 2020. (56–89-betlar)
Karimov, A. Mashinaviy o'qitishda kross-validatsiya usullari. Samarqand: Samarqand Davlat Universiteti nashriyoti, 2021. (23–60-betlar)
Axmedov, S. Modelni optimallashtirish va uning tatbiqlari. Toshkent: Fan va texnologiya, 2019. (75–110-betlar)
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Innovative Academy RSC
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Как цитировать
