alidação cruzada de 10 vezes

Na dobra k, temos o seguinte: você divide os dados em k subconjuntos de (aproximadamente) tamanho igual. Você treina a rede k vezes, sempre deixando de fora um dos subconjuntos do treinamento, mas usando apenas o subconjunto omitido para calcular qualquer critério de erro que lhe interessar. Se k for igual ao tamanho da amostra, isso é chamado de validação cruzada "deixar de fora". "Leave-v-out" é uma versão mais elaborada e cara da validação cruzada que envolve a exclusão de todos os subconjuntos possíveis de casos v.

o que significa o termo treinamento e teste? Eu não consigo entender.

or favor, diga-me algumas referências em que posso aprender esse algoritmo com um exempl

Train classifier on folds: 2 3 4 5 6 7 8 9 10; Test against fold: 1
Train classifier on folds: 1 3 4 5 6 7 8 9 10; Test against fold: 2
Train classifier on folds: 1 2 4 5 6 7 8 9 10; Test against fold: 3
Train classifier on folds: 1 2 3 5 6 7 8 9 10; Test against fold: 4
Train classifier on folds: 1 2 3 4 6 7 8 9 10; Test against fold: 5
Train classifier on folds: 1 2 3 4 5 7 8 9 10; Test against fold: 6
Train classifier on folds: 1 2 3 4 5 6 8 9 10; Test against fold: 7
Train classifier on folds: 1 2 3 4 5 6 7 9 10; Test against fold: 8
Train classifier on folds: 1 2 3 4 5 6 7 8 10; Test against fold: 9
Train classifier on folds: 1 2 3 4 5 6 7 8 9;  Test against fold: 10  

questionAnswers(2)

yourAnswerToTheQuestion