【机器学习笔记（八）】之Sklearn中交叉验证 KFold简要讲解

本文章由公号【开发小鸽】发布！欢迎关注！！！

老规矩–妹妹镇楼：

Sklearn中交叉验证API KFold讲解

一. 交叉验证原理讲解

1. 设置验证集的原因

       在机器学习建模过程中，将数据分为训练集和测试集。测试集合训练集是完全分开的两个数据集，完全不参与训练，只是用于模型最终确定后，来测试模型的效果。而训练集又要分出一部分数据用来验证模型的训练效果，即验证集。验证集在每次训练集训练结束后，对模型的效果进行初步地测试。之所以要设置验证集，是因为训练数据会有过拟合的情况出现，即训练数据能够很好地匹配训练数据，但对于训练数据之外的数据效果非常差。验证集不参与训练，可以客观地评价模型对于训练集之外的数据的匹配度。

2. 交叉验证原理

       交叉验证经常用于数据的验证，原理是将数据分为 n 组，每组数据都要作为一次验证集进行一次验证，而其余的 n-1 组数据作为训练集。这样一共要循环 n 次，验证 n 次，得到 n 个模型，这 n 个模型得到的 n 个误差计算均值，得到交叉验证误差。

二. API 讲解

1. 导入

from sklearn.model_selection import KFold

2. 参数

（1）n_splits:

       将训练集分为 n 份，n份数据，每一份都要作为作为一次验证集来验证训练的结果，一共 n 次循环，其余n-1份数据作为训练集进行训练。

(2). shuffle:

       表示是否打乱数据的顺序 ，bool 类型。

(3). random_state:

       同一个数字保证每次循环都是分成同样的份。

3. 调用：

kf = KFold(n_splits=3, shuffle=False, random_state=None)

       返回 train_index, test_index，训练集的索引，验证集的索引

4. 使用：

for train_index, test_index in kf.split(titanic):
	"""