**
机器学习数据集划分方法
**
1.留出法
直接将数据集划分为两个互斥结合,训练集和测试集划分要尽可能保持数据分布的一致性。
一般进行若干次随即划分、重复实验,取平均值。
优点:准确,不受数据集划分的影响。
缺点:数据集较大时一般难以忍受
2.交叉验证法
将数据集分层采样,划分为k个大小相等或相似的互斥的子集,每次使用k-1个的并集作为训练集,剩余的作为测试集,最后返回k个测试的结果的均值(k一般为10)
通常使用k种不同的划分方法重复p次,取平均值得到结果。
3.自助法
以自助采样为基础,对数据集D有放回采样n次,得到训练集D‘,以D-D’作为测试集。