OOF機械学習のアプローチとは？
K-Fold検証を使用して機械学習を行うとき、人々がoofアプローチについて語る多くのノートブックで私はこれまでに見てきました。 oofとは何ですか？それはk分割検証に関連していますか？また、コンセプトを詳細に理解するために役立つリソースをいくつか提案できますか
助けてくれてありがとう！
OOFは単に「Out-of-fold」を表し、k分割検証を使用する場合の学習プロセスのステップを指します。k分割検証では、フォールドの各セットからの予測が1000予測の1つのグループにグループ化されます。これらの予測は「範囲外」になりました。したがって、これらを予測してエラーを計算し、モデルがどれほど優れているかを知ることができます。
それについてもっと学ぶという点では、実際にはそれ以上のことはありません。確かに、それは独自の学習手法や何かではありません。小さなフォローアップ質問がある場合は、コメントを残してください。回答を更新してこれを含めます。
編集：インターウェブの周りで偶然偶然見つけた this クロス検証からの比較的類似した質問（少しだけ詳細な回答）、まだ混乱している場合は、おそらく直感が追加されます。