오버 피팅 방지

Overfitting과 Underfitting

K-fold

장점

1. 모든 데이터 셋을 평가에 활용할 수 있다.

• 평가에 사용되는 데이터 편중을 막을 수 있다.

(특정 평가 데이터 셋에 overfit 되는 것을 방지할 수 있다.)

• 평가 결과에 따라 좀 더 일반화된 모델을 만들 수 있다.

2. 모든 데이터 셋을 훈련에 활용할 수 있다.

• 정확도를 향상시킬 수 있다.

• 데이터 부족으로 인한 underfitting을 방지할 수 있다.

단점

Iteration 횟수가 많기 때문에 모델 훈련/평가 시간이 오래 걸린다.

[출처] 교차 검증(cross validation)|작성자 ckdgus1433