DL Basic 추가논의) What is best cross-validation method?

문제제기

여러 cross-validation 방법들이 있는데 가장 효과가 좋은 방법은 무엇일까?에 대한 의문이 들어서 조사하기 시작함

---

Cross Validation methods

K-fold Cross Validation

• n개의 data를 균등하게 섞고 k개의 그룹으로 나눠서 1개만 test set, k-1개는 train set
• K-fold를 나누는 방법:
  https://scikit-learn.org/stable/auto_examples/model_selection/plot_cv_indices.html

---

LOOCV(Leave-One-Out Cross Validation)

• 1개의 data sample만 test set, n-1개는 train set
• k=1인 K-fold CV로 볼 수도 있다

---

Nested Cross Validation

• training set에도 cross validation을 다시 적용해서 best parameter를 찾아 training set에 적용해 train

---

자료조사

• Choice of K in K-fold cross-validation

  • variance 줄이려면 repeat/iterate해라
    k가 클수록 bias는 낮아짐. 하지만 너무 크면 iterate를 못한다
    k가 크면 true expected error를 overestimate해서 bias가 작아진다
    --> overfit?
  • k가 10이면 전체 train 데이터셋의 90%를 학습하는 것이니, learning curve가 충분히 flat
    --> local minima가 나타나는 울퉁불퉁한 learning curve가 아니라 완만하다의 의미로 flat
    그래서 데이터셋을 쪼갠 subset 임에도 불구하고 전체 데이터셋의 경향을 충분히 포함하고 있으니, 무시해도 될만한 bias다
    그래서 k값으로 10이 reasonable

• How do I know which method of cross validation is best?

  • 'better'의 기준에 대한 논의, 너가 얻은 model을 믿을 수 있는가?
  • model의 prediction error를 측정하는 법
  • 2-fold를 5번 반복하는 5-2 CV가 가장 밸런스가 좋다?
    --> Nested CV

• Optimal number of folds in K-fold cross-validation: is leave-one-out CV always the best choice?

  • LOOCV는 그냥 하기 쉬워서 그렇지, K-fold보다 high variance를 가져서 대부분은 worse하다는 내용
  • overfitting의 위험성에 대한 내용인듯?
  • K를 바꾸면서 K-fold를 반복해서 variance를 줄여라

---

결론

항상 best인 method는 없으며 data에 따라 맞게 method, parameter를 조정해야함
subset data에 특정 class가 포함되지 않아 bias가 굉장히 커질 수도 있으니 iterate를 통해 방지
보통은 5-2CV, 10-3~5CV 등등을 사용함

---

참조 링크

• 교차 검증과 정규화
  K-fold, LOOCV 참고

• Nested Cross Validation for Algorithm Selection
  Nested CV 참고