این اپراتور یک اعتبارسنجی با یک حد متوسطی را برای برآورد عملکرد آماری یک مدل یادگیری انجام می دهد
این اعتبارسنجی عمدتا برای تخمین چگونگی عملکرد دقیق یک مدل (که توسط یک اپراتور یادگیری خاص) استفاده می شود
در حقیقت این یک اپراتور تو در تو است. در این اپراتور دو فرایند وجود دارد که یکی از آنها پردازشی فرعی بوده و برای آموزش است و دیگری برای تست کردن استفاده میشود.از پردازش فرعی برای آموزش یک مدل استفاده میشود. سپس مدل آموزش دیده شده برای تست پردازش فرعی بکار گرفته میشود.عملکرد مدل در مرحله تستاندازه گیری میشود
Split Validation
این اپراتور یک اعتبار سنجی ساده را انجام می دهد ، یعنی به طور تصادفی نمونه هایی را در یک مجموعه آموزشی و مجموعه آزمایش تقسیم می کند و مدل را ارزیابی می کند
این اپراتور به منظور برآورد عملکرد یک اپراتور یادگیری (معمولاً در مجموعه داده های غیر قابل مشاهده) از تقسیم کردن دیتا برای ارزیابی استفاده میکند
این عمدتا برای تخمین چگونگی عملکرد دقیق یک مدل ایجاد شده (که توسط یک اپراتور یادگیری خاص) مورد استفاده قرار می گیرد
جهت کسب اطلاعات بیشتر میتوانید از لینک زیر استفاده کنید
https://community.rapidminer.com/discussion/55112/cross-validation-and-its-outputs-in-rm-studio
منبع
RapidMiner 9
Operator Reference Manual
https://docs.rapidminer.com/latest/studio/operators/rapidminer-studio-operator-reference.pdf
https://docs.rapidminer.com/latest/studio/operators/rapidminer-studio-operator-reference.pdf