Ein statistisches Verfahren zur Abschätzung der Out-of-Sample-Leistung eines prädiktiven Modells durch wiederholte Aufteilung beobachteter Daten in komplementäre Trainings- und Bewertungs­mengen; umfasst k-fold, leave-one-out, Rolling-Origin- und stratifizierte Varianten, angepasst an unterschiedliche Datenstrukturen.

Prinzip

Trennung von Modellanpassung und -bewertung, sodass die gemessene Leistung das Verhalten auf ungesehenen Daten approximiert; wiederholte, unabhängige Partitionen reduzieren Varianz und decken Überanpassung auf.

Demonstration

Bei der Kreditwürdigkeitsbewertung trainiert eine stratifizierte k-fold-Kreuzvalidierung einen Klassifikator auf 9 Folds und bewertet ihn auf dem gehaltenen Fold, wiederholt dies über die Folds, um den durchschnittlichen AUC-Wert und dessen Variabilität zu schätzen; bei BIP-Prognosen bewahrt Rolling-Origin die Zeitfolge zur Beurteilung der Prognoseperformance über verschiedene Horizonte.

Fehlanwendung

Anwendung einer zufälligen k-fold-Kreuzvalidierung auf Zeitreihen ohne Erhalt der zeitlichen Reihenfolge, wodurch Zukunftsinformationen ins Training gelangen; Vorverarbeitung (Feature-Auswahl, Normalisierung) auf dem Gesamtdatensatz vor dem Aufteilen, was optimistisch verzerrte Schätzungen erzeugt.

Konsequenz

Ergibt verlässlichere, weniger verzerrte Schätzungen der Generalisierungsfähigkeit als einzelne Trainings-/Test-Splits und unterstützt Hyperparameter-Auswahl sowie Modellvergleich mit quantifizierter Unsicherheit.

Umkehrung

Bewertung eines Modells nur anhand der In-Sample-Anpassung oder eines einzigen willkürlichen Holdouts führt zu optimistischen oder instabilen Leistungsschätzungen und erhöht die Wahrscheinlichkeit, überangepasste Modelle auszuwählen.

Abgrenzung

Gilt für die Evaluierung prädiktiver Modelle, nicht für kausale Identifikation; erfordert, dass die Validierungsfolds in einer Weise gezogen werden, die dem produktiven Einsatzszenario entspricht (z. B. Zeitstruktur, Klassenungleichgewicht); behebt nicht automatisch Stichprobenselektionsfehler oder Verteilungsverschiebungen.

Semantische Spannung

Wird oft mit einer einzigen Validierungsspalte oder dem Bootstrap verwechselt; im Gegensatz zur externen Validierung auf neuen Daten nutzt die Kreuzvalidierung dasselbe beobachtete Sample wieder und setzt dessen Repräsentativität und geeignete Unabhängigkeit voraus.

Synthese

Kreuzvalidierung ist ein wiederholbares Protokoll zur Schätzung der erwarteten prädiktiven Leistung eines Modells durch Aufteilen der Daten in Trainings- und Validierungssets entsprechend dem Einsatzkontext, wodurch Überanpassung reduziert und Modellentscheidungen fundiert werden.