一.交叉验证
交叉验证就是将原始数据集(dataset)划分为两个部分.一部分为训练集用来训练模型,另外一部分作为测试集测试模型效果.
作用:
1) 交叉验证是用来评估模型在新的数据集上的预测效果,也可以一定程度上减小模型的过拟合
2) 还可以从有限的数据中获取尽可能多的有效信息。
交叉验证主要有以下几种方法:
① 留出法.简单地将原始数据集划分为训练集,验证集,测试集三个部分.
② k折交叉验证.(一般取5折交叉验证或者10折交叉验证)
③ 留一法.(只留一个样本作为数据的测试集,其余作为训练集)---只适用于较少的数据集
④ Bootstrap方法.(会引入样本偏差)
二.网格交叉验证(网格搜索)
sklearn中对GridSearchCV的解释为: