目录
一、保持(holdout)方法
保持方法其实就是我们最经常用的,最普遍的方法。
将标记的数据分成两个不相交的集合,一部分作为训练集,一部分作为验证集。在数据集上训练我们的分类模型,在检验集上评估模型的性能。两个集合的划分比例通常根据专家判断,比如2:1,1:2等。
保持方法有众所周知的局限性:1、模型性能往往不如用全部被被标记的样本都用于训练来得好;2、模型高度依赖于训练集构成。训练集越小,模型方差越大;训练集太大,则验证集就少了,那么话估计出来的准确率不太可靠。3、训练集和检验集不是独立的关系,因为这两个子集来源于同一个数据集,在一个子集中超出比例的类在另一个子集就低于比例。
二、随机二次抽样
多次重复保持方法,以改进分类器性能的估计,即随机二次抽样(random subsampling)。
总准确率是每一次迭代模型的准确率的平均。
局限性:1、和保持方法一样ÿ