K折交叉验证（K-fold Cross-Validation）速览

一、简介

K折交叉验证（K-fold Cross-Validation）是一种用于划分训练数据与验证数据的一种方法。

通常来说，80%用于训练而20%用于测试，但是这样的话会有意外：若80%的数据凑巧训练得非常完美而剩下的恰好都是意外值，那这种偶然性会导致我们模型的性能下降。故推出此方法。

二、过程

1. 将数据集等分成K组数据
2. 将第一组数据作为验证数据集，而将第2~K组作为测试数据集
3. 将第二组数据作为验证数据集，而将其余的组作为测试数据集
4. 如此往复，直至完成
5. 将K组验证错误率取平均值，并将之作为泛化错误率

注：K一般取10，K越大，则数据集越多，结果越可靠，但是得到结果慢，K越少则相反