ترك عينة واحدة خارجاً (Leave-One-Out، اختصاراً LOO أو LOOCV) حالة خاصة من التحقق المتقاطع بيترك فيها عينة واحدة بس خارج التدريب في كل مرة.
باختصار
لو عندك مجموعة بيانات فيها n عينة، النموذج بيتدرب n مرة، كل مرة على n-1 عينة، ويتم اختباره على العينة الوحيدة اللي اتسابت برّه، وبعدين بيتحسب متوسط الخطأ عبر كل المرات دي.
بالتفصيل
الطريقة دي حالة خاصة من أسلوب أعم اسمه Leave-p-Out بس بقيمة p تساوي واحد. بما إن كل عينة بتتاخد كاختبار مرة واحدة بالظبط، النتيجة النهائية بتستخدم كل البيانات المتاحة في كل من التدريب والاختبار، وده بيدي تقدير شامل جداً لأداء النموذج.
الميزة الأساسية إن العدد الكلي للتكرارات (n) أقل بكتير من عدد التكرارات المطلوبة في Leave-p-Out بقيم p أكبر، لكن لسه ممكن يكون مكلف جداً حسابياً لو عدد العينات كبير، لأن ده معناه تدريب النموذج آلاف أو ملايين المرات.
مثال عملي
على مجموعة بيانات فيها 200 عينة، LOOCV هيتطلب تدريب النموذج 200 مرة منفصلة. على نفس البيانات، تحقق متقاطع بخمس طبقات (5-Fold) هيتطلب 5 تدريبات بس.
خلي بالك: لو عدد البيانات كبير، أسلوب K-Fold العادي غالباً بيكون بديل أعملي وبنفس الجودة تقريباً.
مصطلحات مرتبطة
Cross-validation، Stratified K-Fold.
المصادر: Wikipedia
