原理:将样本数据分为k份,每次选取一份数据作为验证集,其余的数据作为训练集,这样训练k次,然后选取k次训练误差的均值作为该模型的误差,以此来作为选择不同机器学习模型的依据,或者作为选择深度学习神经网络层数和节点数的依据。
步骤:
- 将样本数据集分为k份。
- 选取其中一份作为验证集,剩余的k-1份作为训练集。
- 然后训练k次,取k次误差的均值作为改模型最终的误差。
参考链接:
https://blog.csdn.net/kieven2008/article/details/81582591
原理:将样本数据分为k份,每次选取一份数据作为验证集,其余的数据作为训练集,这样训练k次,然后选取k次训练误差的均值作为该模型的误差,以此来作为选择不同机器学习模型的依据,或者作为选择深度学习神经网络层数和节点数的依据。
步骤:
参考链接:
https://blog.csdn.net/kieven2008/article/details/81582591