Question

O procedimento conhecido como validação cruzada (cross validation) é amplamente utilizado durante a etapa de treinamento de um modelo preditivo. Esse procedimento irá separar o conjunto de dados em treinamento e teste. Por exemplo, imagine que você tenha um conjunto de dados com 100 observações. Quando utilizamos a validação cruzada (cross-validation), podemos separar 90 observações para o treinamento e 10 observações para testar o modelo (calcular o erro). Essa separação é feita de forma aleatória. Na validação cruzada, repetimos esse procedimento de treinamento/teste várias vezes (k).
Elaborado pelo professor, 2022.

Com base no enunciado, analise as alternativas e identifique a afirmação correta sobre o valor de K.


Alternativa 1:
O aumento em K resultará em menor tempo necessário para validar o resultado.

Alternativa 2:
Valores mais altos de K resultará em maior confiança no resultado da validação cruzada em comparação com o valor mais baixo de K.

Alternativa 3:
Se K=N, então é chamado de validação cruzada estática, pois o conjunto treinamento/teste não muda, onde N é o número de observações.

Alternativa 4:
O valor de K sempre deve ser 10. Estudos comprovam que quando repetimos os conjuntos treinamento/teste 10 vezes os resutados dos modelos são mais precisos.

Alternativa 5:
O valor de K deve ser a média dos valores numéricos das observações (N), se o valor for um valor decimal o arredondamento deve ser sempre para cima. Por exemplo: 3.2 ou 3.8 resultam em K = 4.

Answer 1

Resposta:

Valores mais altos de K resultará em maior confiança no resultado da validação cruzada em comparação com o valor mais baixo de K.

Explicação: