版权声明:本文为博主原创文章,转载请注明转自 Scofield's blog[http://blog.csdn.net/scotfield_msn] https://blog.csdn.net/Scotfield_msn/article/details/69945350
机器学习数据挖掘之数据集划分: 训练集 验证集 测试集
Q:将数据集划分为测试数据集和训练数据集的常用套路是什么呢?
A:three ways shown as follow:
1.像sklearn一样,提供一个将数据集切分成训练集和测试集的函数:
默认是把数据集的75%作为训练集,把数据集的25%作为测试集。
2.交叉验证(一般取十折交叉验证:10-fold cross validation)
k个子集,每个子集均做一次测试集,其余的作为训练集。
交叉验证重复k次,每次选择一个子集作为测试集,并将k次的平均交叉验证识别正确率作为结果。
3.训练数据,验证数据(注意区别交叉验证数据集),测试数据(在Coursera上提到)
一般做预测分析时,会将数据分为两大部分。一部分是训练数据,用于构建模型,一部分是测试数据,用于检验模型。但是,有时候模型的构建过程中也需要检验模型,辅助模型构建,所以会将训练数据在分为两个部分:1)训练数据;2)