교차 검증 (cross validation) 야나두 딥러닝

   교차 검증(cross validation)은  샘플의 갯수가 적을 때, 하는 알고리즘이다.  샘플이 많은 경우 굳이 교차 검증을 수행할 필요가 없다.  보수적으로 보았을때,  약 2,000개의 샘플 데이터가 있으면, 교차 검증을 할 이유가 없다.

   머신러닝에서 매우 많이 사용하는 것임,  이미지 계열의 딥러닝을 갔었을때,  너무나 많은 데이터가 있어,  굳이 할 필요가 없다.  그리고 소량의 이미지를 연산 하였을때,  전이학습을 통해서 학습을 하니,  교차 검증이 필요 없다.   

교차 검증(cross validation)

 

 교차검증의 원리

 교차 검증은 훈련 세트를 작은 덩어리로 나누어 다음과 같이 진행 하는데,  이때 훈련 세트를 나눈 작은 덩어리를 '폴드'라고 부른다. 

교차검증

 교차 검증은 전체 데이터 셋트를 8:2로  나눈 다음 8에 해당하는 훈련 세트를 다시 5개의 작은 덩어리로 나눈다.  그런 다음 작은 덩어리를 1번씩 검증에 사용하고 나머지는 훈련에 사용한다. 

 이때 교차 검증은 훈련 세트를 K 개 폴드로 나누는 특징이 있으므로 k-폴드 교차 검증이라고 부른다.  k - 폴드 교차 검증은 모든 훈련 세트가 평가에 1번씩 사용되므로 검증 점수가 안정적이다.  그리고 기존의 훈련 방법보다 더 많은 데이터로 훈련 할 수 있다. 예를 들어 k 가 10이면 10개의 폴드가 생기므로 90% 샘플을 훈련에 사용하게 된다.   기존의 6:2:2로 훈련, 검증, 테스트 세트를 나누는 방법과 비교하면 약 30% 정도 더 많은 데이터로 훈련 할 수 있다. 

# 참고서적 : 정직하게 코딩하며 배우는 딥러닝 입문 - 이지즈 퍼블리싱