Solucionado
no ultimo mão na massa na resposta é usada uma validação cruzada não aninhada pro modelo KNN, e nos outros modelos foram feitas validações cruzadas aninhadas pra ter uma validação mais realista dos modelos, no caso do KNN vale mais a pena usar a validação não aninhada? ou assim se tem uma validação superestimada do modelo?
hoje, com a Alura e o Google Gemini
Olá, Danilo, tudo bem?
A escolha entre validação cruzada aninhada e não aninhada depende do tamanho do conjunto de dados e dos recursos computacionais.
A validação cruzada aninhada é preferida para conjuntos pequenos, proporcionando estimativas mais robustas, mas é mais intensiva computacionalmente.
Já, a não aninhada é menos intensiva e adequada para conjuntos grandes. No caso do k-NN, sensível à escala e número de vizinhos, a escolha dependerá da natureza do conjunto. A aninhada pode ser melhor para ajustar hiperparâmetros em conjuntos menores, garantindo uma configuração mais robusta. Portanto, a decisão depende do contexto, considerando tamanho do conjunto, estabilidade das estimativas e recursos disponíveis.
Espero ter ajudado.
Caso surja alguma dúvida, é só compartilhar no fórum.
Abraços e bons estudos!