Hvad er krydsvalidering?

Krydsvalidering er en metode, der anvendes i kemi og en lang række andre videnskabelige felter til at sammenligne resultaterne af flere eksperimentelle metoder med det samme mål.Ideelt set vil krydsvalidering validere begge eksperimentelle metoder ved at returnere de samme resultater.Forskellige resultater kan indikere menneskelig fejl eller fejl i eksperimentel design.Forskellene kan bruges til at identificere fejl og til at forfine en eller flere af de eksperimentelle metoder, indtil der opnås konsistente og gentagne resultaternøjagtige resultater.Målet er derfor at fremstille den nye og ubekræftede metode eller komparatoren, returnere resultater identiske med dem med den kendte metode eller referencen.Hvis ingen af metoderne er kendt for at være nøjagtige, kan de sandsynligvis justeres for at returnere de samme resultater, men der er stadig ingen garanti for, at disse resultater er korrekte.

Forskere bruger ofte krydsvalidering, når de introducerer en ny, mere effektiv eksperimentel metode, derer beregnet til at erstatte en ældre metode.Den nye metode er kun nyttig, hvis den kan bruges til det samme formål som den metode, den er beregnet til at erstatte.Krydsvalidering bruges til at sikre, at den nye metode er lige så effektiv som den gamle, og at effektiviteten ikke kommer til prisen for nøjagtighed.

Resultaterne af eksperimenter, der bruges til krydsvalidering, kan fremstilles kvalitativt eller kvantitativt baseret påEksperimentets art.Succesen med nogle enkle kemieksperimenter kan vurderes gennem enkle visuelle signaler såsom farveændring.En ny metode, der resulterer i den samme farveændring, kan i nogle tilfælde bedømmes vellykket.Mest moderne videnskabelig forskning er imidlertid stort set baseret på kvantitative metoder.Som sådan skal kvantitativ information sammenlignes, og forskelle i numeriske data bruges til at bedømme succes eller svigt i et valideringseksperiment.

Meget krydsvalideringsresultat afhænger af store kroppe af statistiske data snarere end på kvalitativ information eller på en eller en ellerTo værdier såsom temperatur eller surhedsgrad.For sådanne statistiske data er der ikke et enkelt specifikt tal eller et sæt numre, der er korrekt, mens alle andre er forkerte.Succesen med en krydsvalidering bedømmes på baggrund af, hvorvidt de returnerede data falder inden for en bestemt tærskel for acceptabel fejl.I sådanne eksperimenter kan nogle af de returnerede værdier være acceptable, mens andre er fejlagtige, hvilket indikerer, at de bestemte dele af de testede metoder skal revideres.