Geschachtelte Kreuzvalidierung für die Modellauswahl (Nested Cross-Validation for Model Selection)

# Einführung

Geschachtelte Kreuzvalidierung (Nested cross-validation) ist eine Technik, die zur Schätzung des Verallgemeinerungsfehlers eines Modells und seiner Hyperparameter verwendet wird. Sie ist besonders nützlich, wenn zwischen verschiedenen Modellen gewählt werden muss oder wenn Hyperparameter optimiert werden müssen. In diesem Tutorial vergleichen wir nicht-geschachtelte und geschachtelte Kreuzvalidierung anhand eines Support-Vektor-Klassifikator-Modells (Support vector classifier model) mit dem Iris-Datensatz. Wir werden auch den Leistungsunterschied zwischen den beiden Methoden visualisieren.

## Tipps für die virtuelle Maschine (VM)

Nachdem die virtuelle Maschine gestartet wurde, klicken Sie in der oberen linken Ecke auf die Registerkarte **Notebook**, um auf Jupyter Notebook für die Übung zuzugreifen.

Manchmal müssen Sie möglicherweise einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Aufgrund von Einschränkungen in Jupyter Notebook kann die Überprüfung von Vorgängen nicht automatisiert werden.

Wenn Sie während des Lernens Probleme haben, können Sie sich gerne an Labby wenden. Geben Sie nach der Sitzung Feedback ab, und wir werden das Problem umgehend für Sie lösen.