Bir veri bilimcisi, hastalık yaygınlığının yaklaşık %3 olduğu 400 hastadan oluşan rastgele bir örneklemden ikili bir hastalık sınıflandırıcısı oluşturuyor. Modeli değerlendirmek için en uygun çapraz doğrulama stratejisi hangisidir?

Doğru cevap, k = 5 ile katmanlı k-katlı çapraz doğrulama. Hastalık yaygınlığının %3 gibi düşük olması, veri kümesinin dengesiz olduğunu gösterir. Standart k-katlı çapraz doğrulama kullanıldığında, bazı katlamalar (fold) hastalık vakalarını hiç içermeyebilir veya çok az içerebilir, bu da modelin performansının yanlış değerlendirilmesine yol açar. Katmanlı k-katlı çapraz doğrulama, her katlamanın orijinal veri kümesindeki sınıf oranlarını korumasını sağlayarak bu sorunu çözer. Bu, modelin hem pozitif hem de negatif sınıflar üzerinde tutarlı bir şekilde eğitilmesini ve değerlendirilmesini sağlar. %80/%20'lik bir eğitim/doğrulama ayrımı, veri kümesi küçük ve dengesiz olduğunda güvenilir bir değerlendirme sağlamayabilir, çünkü doğrulama setinde hastalık vakası bulunmama riski vardır. Tekrarlı çapraz doğrulama, daha küçük veri setlerinde faydalı olsa da, katmanlama olmadan dengesizlik sorununu çözmez.