Existen diversos métodos de validación utilizados en el ámbito de la clasificación y el aprendizaje automático para evaluar la precisión de los modelos. El método Holdout divide el conjunto de datos en dos partes, asignando un porcentaje mayor al conjunto de entrenamiento y el resto a validación, repitiendo el proceso varias veces para obtener un promedio del error.
Cada clase se divide dos partes:
2/3 partes (70%) para CF
1/3 parte (30%) para CP
n patrones ordenados por clase
Método de Validación cruzada estratificado
Se repite k veces
Cada clase esta dividividida en k partes donde cada
parte esta compuesta por:
(k-1) partes para el CF
1k partes para el CP
Los n patrones estan ordenados por clase
Agrupamiento por clase
Método de Validación cruzada
Se repite k veces (cada parte debe ser del
mimo tamaño)
Divide el CE en k partes y cada parte esta
compuesta por:
(k-1) partes para el CF
1k partes para el CP
Los n patrones tienen un orden aleatorio
Método leave-one-out.
Se repite n veces
El CE se divide en n partes donde:
(n-1) partes es para el CF
1n partes es para el CP
Consta con n numero de patrones
Método optimista
Tasa de error ovtenida de las instancias
al ser calsificados
Método Holdout
Se repite el mayor numero de veces posible
(Dividir y validar en clasificador para encontrar el porcentaje
de error que esta generando el mayor numero de veces posible)
Divde al CE en dos partes:
2/3 partes (70%) para CF
1/3 parte (30%) para CP
n patrones en orden aleatorio
Método Honesto
tasa de error en la que los casos nuevos
lno utilizados pueden clasificarse de manera
incorrecta