scikit-learn developers · guía practica

Validación cruzada: evaluación del rendimiento del estimador

Una guía de evaluación que explica los datos retenidos y las estrategias de división para una comparación significativa de modelos.

Texto fuente revisado 27 de octubre de 2026. Las notas de estudio y los ejercicios están escritos por botstest.

Leer el original ↗

Por donde empezar

Lea la discusión sobre evaluación pendiente y la estrategia de división adecuada a sus dependencias de datos.

Úselo en su proyecto

Cree un manifiesto dividido que evite que capturas u objetos relacionados se filtren en la evaluación.

Alcance y limitaciones

Guía genérica de aprendizaje automático. Una tarea de robótica todavía necesita sus propios criterios de éxito, intervención y funcionamiento.

Siga una hoja de ruta relacionada

Ejecute un experimento de manipulación reproducible · Profesional →

Leer: Lea la discusión sobre evaluación pendiente y la estrategia de división adecuada a sus dependencias de datos.

Utilice divisiones conscientes de la dependencia para proteger la evidencia retenida de las decisiones de capacitación y ajuste.

Producir: Publique definiciones de condiciones pendientes y explique por qué los ensayos relacionados no se filtran entre divisiones.

Evaluar responsablemente los modelos visión-lenguaje-acción · Intermedio →

Leer: Lea la discusión sobre evaluación pendiente y la estrategia de división adecuada a sus dependencias de datos.

Utilice divisiones conscientes de la dependencia para proteger la evidencia retenida de las decisiones de capacitación y ajuste.

Producir: Congele la división de tarea/escena retenida antes de seleccionar indicaciones, puntos de control o ajustar la configuración.

Construir un conjunto de datos de percepción y un estudio de evaluación. · Intermedio →

Leer: Lea la discusión sobre evaluación pendiente y la estrategia de división adecuada a sus dependencias de datos.

Utilice divisiones conscientes de la dependencia para proteger la evidencia retenida de las decisiones de capacitación y ajuste.

Producir: Cree divisiones de sesión de captura o de nivel de objeto e inspeccione una muestra deliberadamente casi duplicada.

Cree un flujo de trabajo de inspección de calidad visual · Intermedio →

Leer: Lea la discusión sobre evaluación pendiente y la estrategia de división adecuada a sus dependencias de datos.

Utilice divisiones conscientes de la dependencia para proteger la evidencia retenida de las decisiones de capacitación y ajuste.

Producir: Realice lotes de captura representativos antes de ajustar el umbral de defectos e inspeccione los costosos fallos por separado.