K折交叉验证原理及其python实现

K折交叉验证用于模型调优,所有的数据都被用来训练,会导致过拟合,K折交叉验证可以缓解过拟合。

将数据分为k组,每次从训练集中,抽取出k份中的一份数据作为验证集,剩余数据作为测试集。测试结果采用k组数据的平均值。

若训练集较大,则k较小,降低训练成本,若训练集较小,则k较大,增加训练数据。如k=10,则90%的数据被训练;k=20,

留一K折交叉验证,是K折交叉验证的一种特例,每次从数据集中抽取一个数据作为测试数据,一般用于数据集很小的情况。

 

用python实现K折交叉验证:

from sklearn.model_selection import KFold

kf = KFold(n_splits=10)
for train,valid in kf.split(X_data):
     print('train:%s, valid:%s' % (train, valid))

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值