Rozdělení souboru na trénovací a testovací data

V předchozí podkapitole jsme se zmínili o tom, že bohužel ne vždy máme k dispozici nezávislou datovou sadu k otestování natrénovaného klasifikátoru. V takovém případě musíme náš datový soubor vhodně využít pro natrénování i pro testování klasifikátoru, přičemž se je možné využít jeden ze čtyř základních přístupů, které jsou podobněji popsány v následujících odstavcích:

• resubstituce (resubstitution)
• náhodný výběr s opakováním (bootstrap)
• predikční testování externí validací (hold-out)
• křížová validace (cross-validation)