5折交叉验证_模型评估之K折交叉验证

    上节我们说了留出法，这次说下K折交叉验证，这是我们做模型评估时经常使用的方法。

    K折交叉验证的3个要点：

    1：数据集划分为K个相同大小的互斥子集。

    2：通过分层抽样K个子集保持分布一致性。

    3：K次评估结果的均值，每次用K-1个集合训练，剩下的一个做模型评估。

    上述例子中共有样本10个，我们做了5折交叉验证，看下测试集索引，所有样本集的并集就是整个样本集了，训练集与当前测试集的并集也是整个样本集，其实就是每次用其中把本样本做为训练集，剩余的两个做为测试集，最终是用这5组样本集训练的模型进行性能评估的平均。

    当K是样本集大小时就是：留一法。也就是每次只有一个样本做为验证集，留一法评估结果一般比较准确，就是当样本集太大时太耗时，所以一般很少用到留一法，这里就不多介绍了。