交叉验证方法

你是否还在这样分离训练集和测试集？

 是否还有这样的？

交叉验证：

        我们为什么要用交叉验证？

1. 交叉验证用于评估模型的预测性能，尤其是训练好的模型在新数据上的表，可以在一定程度上减小过拟合。
2. 还可以从有限的数据中获取尽可能多的有效信息。
3. 可以选择出合适的模型

今天给大家分享model_selection的交叉验证函数：

1.标准交叉验证

cv决定做几轮交叉验证，这里cv=10，就是十轮然后取均值

2.分折交叉验证

 KFold超参数：

n_splits：表示划分几等份

shuffle：在每次划分时，是否进行洗牌（默认为False）

      ①若为Falses时，其效果等同于random_state等于整数，每次划分的结果相同

      ②若为True时，每次划分的结果都不一样，表示经过洗牌，随机取样的

random_state：随机种子数

3.分层分折交叉验证

                                        会按照原始类别比例分割数据集

 4.留一法交叉验证

                                        计算时间长，不过结果可靠

5.随机交叉验证，可以控制划分迭代次数

 随机排列交叉验证，像train_test_split的升级版，重复分割过程几次，就和交叉验证很像了