本文介绍了在机器学习中，由于数据点有限，导致训练集和测试集划分可能影响模型评估的可靠性。为此，提出了K-折交叉验证方法，详细解释了其原理，并通过Python的sklearn库展示了其实现过程。最后，讨论了K折交叉验证的关键参数，如n_splits、shuffle和random_state，并提供了一个实际案例的交叉验证代码示例。
机器学习（Machine Learning）与 深度学习（Deep Learning）的相关研究中，经常会将数据集（dataset）划分为训练集（training set）跟测试集（testing set）这两个子集，训练集用以建立模型（model），测试集则用来评估该模型对未知样本进行预测时的精确度，正规的说法是模型的泛化能力（generalization ability）。
但是有时候我们的数据点少，训练集和测试集就会很少，因此模型结果可能会有很大波动。也就是说，训练集和测试集的划分方式可能会对模型产生很大影响，这就无法对模型进行可靠评估。
在样本量不充足的情况下，为了充分利用数据集对算法效果进行测试，将数据集随机分为k个小数据集，每次将其中一个小数据集作为测试集，剩下k-1个小数据集作为训练集进行训练，这就是K-折交叉验证
注意：当你把原始数据的训练集和测试集都划分好了之后，做K折交叉验证需要在原来的训练集上做，得出相关的结论，再在测试集上看结果。
下面上图让大家直观了解下：
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
