cross validation

[PaulinaPacyna]

To jest ponad zakres projektu, ale możemy wykorzystać mechanizm cross validation to wyboru najlepszego modelu (np w sytuacji gdy model ma wiele minimów lokalnych, to ten mechanizm wybiera najlepsze)

[PaulinaPacyna]

Idea jest taka, że bierzemy 90% danych do trenowania modelu, sprawdzamy na pozostałych 10%, zapisujemy parametry i powtarzamy procedurę zmieniając podział zbioru. Potem bierzemy parametry dla najlepszego wyniku. Wydaje mi się, że w sklearn jest taka funkcja, ale nie wiem na ile się dostosuje (albo na ile trzeba dostosować) nasze metody w klasie.