[FAQ]Why should we use the same KFold splits when comparing hyperparameters?
Los mantenedores suelen responder en 2 días
Nadie ha tomado este issue todavía.
- #481 de @github-actions — cerrado sin fusionar
Evaluación
- Dificultad
- 1/5
- Tiempo estimado
- Menos de una hora
- Aptitud para principiantes
- 87/100
- Tipo de issue
- Documentación
- Claridad
- Bien especificado
- Estado de actividad
- Activo
- Stack tecnológico
- python
- Área
- documentation
Línea de trabajo
Lee el contenido de la incidencia de FAQ y revisa el formato de FAQ existente y las indicaciones para contribuir en el repositorio. Añade la pregunta y la respuesta al curso machine-learning-zoomcamp, conservando el ejemplo de KFold y la explicación. La tarea estará terminada cuando se haya añadido la FAQ en el formato esperado por el proyecto y quede clara la justificación de usar los mismos splits.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Course
machine-learning-zoomcamp
Question
Why should we use the same KFold splits when comparing different hyperparameter values?
Answer
When comparing different hyperparameter values, such as different values of C in Logistic Regression, we want the comparison to reflect the effect of the hyperparameter rather than differences in the data splits.
Using the same KFold configuration:
KFold(n_splits=5, shuffle=True, random_state=1)
makes the comparison reproducible and allows each value of C to be evaluated using the same fold assignments.
If different random splits are used for every value of C, differences in the mean AUC may partly come from the different train/validation splits rather than from C itself.
Using the same folds therefore makes the comparison between hyperparameter values fairer and easier to reproduce.
Checklist
- I have searched existing FAQs and this question is not already answered
- The answer provides accurate, helpful information
- I have included any relevant code examples or links
- Lenguaje dominante
- Python
- Estrellas
- 8
- Forks
- 20
- Merge medio
- 7 d 9 h
- PR fusionados (30 d)
- 8
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de DataTalksClub/faq
-
Fixing ValueError: feature_names must not contain [, ], or < in XGBoostPosiblemente ocupada @github-actions la tomó hace 2 días. Abiertofaq-proposal
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
DataTalksClub/faq#536 · 1 comentario ·
Los mantenedores suelen responder en 2 días
-
How to fix uv warning: VIRTUAL_ENV does not match the project environment pathPosiblemente ocupada @github-actions la tomó hace 2 días. Abiertofaq-proposal
Dificultad 1/5 Menos de una hora Aptitud para principiantes 82/100
DataTalksClub/faq#534 · 1 comentario ·
Los mantenedores suelen responder en 2 días
-
Fixing ValueError: This solver needs samples of at least 2 classes in Logistic RegressionPosiblemente ocupada @github-actions la tomó hace 2 días. Abiertofaq-proposal
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
DataTalksClub/faq#532 · 1 comentario ·
Los mantenedores suelen responder en 2 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 60/100
DataTalksClub/faq#531 ·
Los mantenedores suelen responder en 2 días
-
[FAQ] omework 5 (2026): Why does `/predict` return 200 OK for `"Paid_Ads"`, `"tiktok"` or a negative count, and how do I reject bad input?Posiblemente ocupada @github-actions la tomó hace 3 días. Abiertofaq-proposal
Dificultad 1/5 Menos de una hora Aptitud para principiantes 72/100
DataTalksClub/faq#524 · 1 comentario ·
Los mantenedores suelen responder en 2 días
Todos los issues de DataTalksClub/faq
Issues similares
-
breaking change
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 1 día
-
check-skill-pages: show fixture build errors when a build failsPosiblemente ocupada @ShahadatTest la tomó hoy. Abiertogood first issue P2
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
coco-research/coco#439 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
esphome/home-assistant-addon#274 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
endurain-project/endurain#882 ·
Los mantenedores suelen responder en 1 día
-
Add unit tests for metrics.pyAbiertogood first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100