RMSE を Fold ごとに取ると全体の値より小さくなる証明 - nykergoto’s blog

テクノロジーカテゴリーの変更を依頼記事元:

nykergoto.hatenablog.jp

7 usersがブックマークコメント

記事へのコメント3件

注目コメント
新着コメント

hnishi2509 cross validation の CV Score を平均で取るか、マージして取るか

機械学習

2020/12/07 リンク

somemo “この記事を書く前に twitter でお話をしている流れで、まますさんに的確な証明を頂くことができました! 証明にはこちら” https://drive.google.com/file/d/14u7LicDearS8hvv0aeAVM7aNPSnHobS_/view

2019/12/07 リンク

shunk031 勉強になった

2019/12/07 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

リンクを埋め込む

以下のコードをコピーしてサイトに埋め込むことができます

<iframe marginwidth="0" marginheight="0" src="https://b.hatena.ne.jp/entry.parts?url=https%3A%2F%2Fnykergoto.hatenablog.jp%2Fentry%2F2019%2F12%2F06%2FRMSE_%25E3%2582%2592_Fold_%25E3%2581%2594%25E3%2581%25A8%25E3%2581%25AB%25E5%258F%2596%25E3%2582%258B%25E3%2581%25A8%25E5%2585%25A8%25E4%25BD%2593%25E3%2581%25AE%25E5%2580%25A4%25E3%2582%2588%25E3%2582%258A%25E5%25B0%258F%25E3%2581%2595%25E3%2581%258F%25E3%2581%25AA%25E3%2582%258B%25E8%25A8%25BC%25E6%2598%258E" scrolling="no" frameborder="0" height="230" width="500"><div class="hatena-bookmark-detail-info"><a href="https://nykergoto.hatenablog.jp/entry/2019/12/06/RMSE_%E3%82%92_Fold_%E3%81%94%E3%81%A8%E3%81%AB%E5%8F%96%E3%82%8B%E3%81%A8%E5%85%A8%E4%BD%93%E3%81%AE%E5%80%A4%E3%82%88%E3%82%8A%E5%B0%8F%E3%81%95%E3%81%8F%E3%81%AA%E3%82%8B%E8%A8%BC%E6%98%8E">RMSE を Fold ごとに取ると全体の値より小さくなる証明 - nykergoto’s blog</a><a href="https://b.hatena.ne.jp/entry/s/nykergoto.hatenablog.jp/entry/2019/12/06/RMSE_%E3%82%92_Fold_%E3%81%94%E3%81%A8%E3%81%AB%E5%8F%96%E3%82%8B%E3%81%A8%E5%85%A8%E4%BD%93%E3%81%AE%E5%80%A4%E3%82%88%E3%82%8A%E5%B0%8F%E3%81%95%E3%81%8F%E3%81%AA%E3%82%8B%E8%A8%BC%E6%98%8E">はてなブックマーク - RMSE を Fold ごとに取ると全体の値より小さくなる証明 - nykergoto’s blog</a></div></iframe>

プレビュー

規約違反を報告

RMSE を Fold ごとに取ると全体の値より小さくなる証明 - nykergoto’s blog

この記事を書く前に twitter でお話をしている流れで、まますさんに的確な証明を頂くことができました! ... この記事を書く前に twitter でお話をしている流れで、まますさんに的確な証明を頂くことができました! 証明にはこちら RMSE.pdf - Google ドライブからアクセスできます。(まますさんありがとうございましたmm) そもそもこの記事のお題は RMSE を Fold ごとに取ると全体の値より小さくなる証明をやりますということです。これをやろうと思ったきっかけは #かぐるーどでの kaggle本の本読みです。前回は第5章だったのですが、その5.2.2で次のような記述があります。クロスバリデーションでモデルの汎化性能を評価する際は、通常は各foldにおけるスコアを平均して行いますが、それぞれのfoldの目的変数と予測値を集めてデータ全体で計算する方法もあります。なお、評価指標によっては各foldのスコアの平均と、データ全体で目的変数と予測値から計算したスコアが一致し