On parle en générale de validation croisée à K blocs (ou K-fold cross validation) pour désigner une technique d’évaluation d’un algorithme de Machine Learning. Cela consiste à découper le dataset en K sous-ensemble (ou K folds) puis prendre un des K sous-ensemble comme dataset de validation (validation set) et les K-1 restants comme dataset d’entrainement (training set). On répète l’opération sur toutes les combinaisons possibles. On obtient K mesures de performance dont la moyenne représente la performance de l’algorithme.

« Retour à la page accueil du lexique