交叉验证是一种重要的模型验证方法，用于评估不同学习模型的预测性能。通过随机划分数据成K份，每次使用K-1份训练模型并用剩余1份进行测试，重复K次得到K个评估值。在P次K折交叉验证中，这一步骤会执行P次，最终取所有评估值的均值作为模型性能的代表。该方法在模型调优过程中扮演关键角色，确保了模型的稳定性和泛化能力。
交叉验证法，主要作用是用于评估比较不同学习模型的预测性能，可在模型调优的过程中发挥一定的作用。
P次K折交叉验证法 实现过程：
1、原始数据打乱，使得数据划分为随机划分。
2、将数据划分为K份，保证每份数据不重叠，全部数据不遗漏。分类任务中，划分过程尽量保证每份预测的类别比例相同。
3、每次选取K-1份为训练集，剩下的一份为测试集，用训练集来训练模型，测试集来评估模型，获得评估值。重复K次，即可获得K个模型性能评估值:
4、将2、3两步重复P次，即为P次K折交叉验证法。获得性能评估值为P*K个，取其均值作为该学习模型的性能评价值:
最低0.47元/天 解锁文章
4065
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
