한 데이터 과학자가 400명의 환자 무작위 샘플에서 이진 질병 분류기를 구축하고 있으며, 질병 유병률은 약 3%입니다. 모델을 평가하는 데 가장 적합한 교차 검증 전략은 무엇입니까?

질병 유병률이 3%로 매우 낮기 때문에 데이터셋은 불균형합니다. 표준 k-겹 교차 검증은 각 폴드에 소수 클래스(질병이 있는 환자)의 대표성을 보장하지 못하여 모델 성능 평가가 불안정해질 수 있습니다. 계층별 k-겹 교차 검증은 각 폴드에 원본 데이터셋과 동일한 클래스 비율을 유지하여, 특히 희귀 클래스에 대한 모델의 성능을 더 정확하고 안정적으로 평가할 수 있도록 합니다. 80/20 훈련/검증 분할은 한 번의 분할만 수행하므로 모델의 일반화 성능을 평가하는 데 교차 검증보다 덜 견고합니다. 반복 횟수를 늘려도 불균형 문제를 해결하지는 못합니다.