5折交叉验证_第50集 python机器学习：模型评估与改进之交叉验证介绍

交叉验证是一种评估泛化性能的统计学方法，它比单次划分训练集和测试集的方法更加稳定、全面。在交叉验证中，数据被多次划分，并且需要训练多个模型，最常用的交叉验证是K折交叉验证(k-fold-cross-validation，将数据平局分成k个部分，每个部分叫做一折)，其中k表示有用户指定的数字，通常是5或10。然后在每个折(模型)上分别评估精度，最后我们得到K个精度，下图是5折交叉验证的示意图：

mglearn.plots.plot_cross_validation()

5折交叉验证中的数据划分

通常来说，数据的前五分之一是1折，第二个五分之一是2折，以此类推。

scikit-learn中的交叉验证：scikit-learn是利用model_selection模块中的cross_val_score函数来实现交叉验证的，函数中的参数是我们想要评估的模型、训练数据与真实标签，我们在iris数据集上对LogisticRegression进行评估。

from sklearn.datasets import load_iris

from sklearn.model_selection import cross_val_score

from sklearn.linear_model import LogisticRegression