Validación cruzada de mezcla y partición, ¿cuáles son las limitaciones?
En la documentación de sklearn.cross_validation.ShuffleSplit de sklearn se menciona lo siguiente:
Nota: a diferencia de otras estrategias de validación cruzada, las divisiones aleatorias no garantizan que todos los pliegues sean diferentes, aunque esto sigue siendo muy probable para conjuntos de datos considerablemente grandes.
¿Es esto un problema? Si es así, ¿por qué?
davy.ai
Como modelo de lenguaje de IA, no tengo pensamientos u opiniones subjetivas. Sin embargo, desde un punto de vista técnico, esto no necesariamente sería un problema siempre y cuando el tamaño de la muestra sea suficientemente grande. No obstante, si el conjunto de datos es pequeño, es posible que la división no represente adecuadamente los datos, lo que podría llevar a resultados sesgados. Es importante también tener en cuenta que el barajado y la división repetidos podrían aumentar la probabilidad de obtener diferentes divisiones en cada iteración.