Validación cruzada

La validación cruzada es el proceso de dividir un conjunto de datos en un conjunto de entrenamiento y un conjunto de pruebas para mejorar la aptitud y el rendimiento del modelo. Se basa en el principio de que los datos entrenados deben ajustarse lo suficientemente bien como para ser probados con datos desconocidos.

1.- Particionar los datos en conjuntos de datos de entrenamiento y prueba
2.-Entrenar los datos y probarlos.
3.- Encuentra la medida de ajuste con MSE y RMSE
4.- Repita los pasos 2 y 3
5.- Promedio de MSE y RMSE para encontrar el modelo más preciso y ajustado

Cruce Seccional de Datos

1.-Tome la observación i, entrénela y pruébela con el conjunto de datos de prueba. Calcule el error del conjunto de prueba
2.-Repita el paso 2 hasta llegar a N observaciones totales
3.-Calcule la precisión del pronóstico en función de los errores obtenidos (obtenga el error de pronóstico transversal). Utilice MSE, RMSE o MAD (desviación absoluta media para errores promedio)