Dizionario AI › Fondamenti AI

Cross-validation

La cross-validation, o convalida incrociata, è una tecnica per valutare quanto un modello di machine learning generalizzerà su dati mai visti, senza dover sacrificare una grande porzione del dataset a un unico test. Invece di dividere i dati una sola volta in addestramento e verifica, li divide più volte in modi diversi e media i risultati, ottenendo una stima molto più affidabile delle prestazioni reali del modello.

Definizione

Come funziona

La variante più diffusa è la k-fold cross-validation: il dataset viene suddiviso in k parti di uguale dimensione, dette fold. A ogni turno una parte diversa viene tenuta da parte come test, il modello si addestra sulle restanti k-1 parti e si misura la prestazione su quella lasciata fuori. Ripetendo il procedimento k volte, ogni osservazione finisce esattamente una volta nel test, e la media delle k prestazioni ottenute è la stima finale, accompagnata dalla sua variabilità, un'informazione preziosa che un singolo split addestramento-test non fornirebbe.

Applicazioni

È uno strumento indispensabile per confrontare in modo equo modelli diversi, scegliere i migliori iperparametri e verificare che un modello non abbia semplicemente avuto fortuna con una particolare divisione dei dati. È particolarmente importante con dataset piccoli, dove un singolo test set rischierebbe di dare una stima instabile e poco affidabile delle prestazioni reali. Varianti come la stratified k-fold mantengono le proporzioni delle classi in ogni fold, utile con dati sbilanciati.

Storia ed etimologia

Il termine cross-validation compare nella letteratura statistica a partire dagli anni '30, ma si diffonde soprattutto dagli anni '60 e '70 con i lavori di statistici come Seymour Geisser e Mervyn Stone, che ne formalizzarono l'uso per la selezione dei modelli. Il nome descrive letteralmente l'idea centrale: validare il modello incrociando più volte i ruoli di addestramento e verifica tra le diverse porzioni dei dati, invece di fissarli una sola volta.

Termini correlati

• Dataset
• Train-test split
• Overfitting
• Hyperparameter tuning (Ottimizzazione degli iperparametri)
• Metriche di valutazione

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

Dì quello che intendi. Ottieni quello che ti serve.

Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.