L’idea
Nella versione più comune (k-fold) i dati si dividono in k parti: a turno una parte fa da insieme di valutazione e le altre da insieme di addestramento. La media dei k risultati stima le prestazioni fuori campione con meno variabilità di una singola divisione, ed è utile per scegliere tra modelli o impostazioni e per riconoscere l’overfitting. Due cautele: con dati temporali la divisione casuale non va bene, perché si userebbe il futuro per prevedere il passato; e ogni trasformazione dei dati va calcolata dentro ciascuna divisione, altrimenti si crea data leakage.
Da dove viene
- Stone (1974), «Cross-Validatory Choice and Assessment of Statistical Predictions», Journal of the Royal Statistical Society B 36. doi:10.1111/j.2517-6161.1974.tb00994.x