k-fache Kreuzvalidierung
Definition
Bei k-facher Kreuzvalidierung wird ein Datensatz in k Teilmengen geteilt und das Modell k-mal mit wechselnder Validierungsmenge bewertet.
In jedem Durchlauf dienen k-1 Folds zum Training und ein Fold zur Validierung. Die Ergebnisse werden aggregiert, um stabilere Schätzungen als mit nur einem zufälligen Split zu erhalten.
Einfach erklärt
Wie dieselbe Prüfung mehrfach durchzuführen, wobei jedes Mal ein anderer Teil der Aufgaben zurückgehalten wird.
Warum das im Alltag wichtig ist
Relevant für Modellvergleich bei begrenzten Daten, solange Datenabhängigkeiten und zeitliche Struktur berücksichtigt werden.
Beispiel aus dem Mittelstand
Mehrere Klassifikatoren werden per 5-Fold-CV verglichen, bevor ein finaler Kandidat auf einem separaten Testset geprüft wird.
Grenzen und Fallstricke
- Testset in CV einbeziehen; Zeitreihen zufällig mischen; gruppierte Daten über Folds leaken; nur Mittelwert ohne Streuung berichten.
Entstehung & Geschichte
Kreuzvalidierung ist eine etablierte statistische Resampling-Methode. Kohavi verglich 1995 verschiedene Verfahren empirisch für Klassifikation und Modellauswahl.
Anwendung im Mittelstand
- Mögliche Anwendungen: Modellwahl, Hyperparametervergleich und robuste Schätzung bei kleineren Datensätzen.
Häufige Fragen
Ersetzt CV ein finales Testset?
Nicht unbedingt. Ist k=10 immer optimal? Nein, Aufwand und Datenstruktur bestimmen eine sinnvolle Wahl.
Quellen
- A Study of Cross-Validation and Bootstrap · Kohavi (1995), A Study of Cross-Validation and Bootstrap
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: