使用 PyTorch 进行 K 折交叉验证

一、说明

        中号机器学习模型在训练后必须使用测试集进行评估。我们这样做是为了确保模型不会过度拟合，并确保它们适用于现实生活中的数据集，与训练集相比，现实数据集的分布可能略有偏差。

        但为了使您的模型真正稳健，仅仅通过训练/测试分割进行评估可能还不够。

        例如，假设您有一个由两个类的样本组成的数据集。数据集前 80% 中的大多数样本属于 A 类，而其他 20% 中的大多数样本属于 B 类。如果您采用简单的 80/20 保留分割，那么您的数据集将具有截然不同的分布——评估可能会得出错误的结论。