k-fold cross validation 相关的帖子、论文 建议收藏哦 ~

k-fold cross validation 详细讲解 建议收藏哦 ~

  写在前面：本以为自己用的数据分割方法是k-fold交叉验证，结果仔细地查找了许多资料发现大错特错了，所以本篇就不把所有查到的资料进行梳理总结了，但为了下次使用方便，也为了省去许多“炼丹”朋友费力查询，我把我自己找的一些学习论文和帖子粘在这里，喜欢的或有帮助到您的 点赞收藏哦！

相关帖子

1. 中文类

推荐1：交叉验证和验证集不是一回事！
这篇帖子说得很有意思，讲得非常透彻，刚开始我还有些怀疑，不过又找了些 外文的帖子和论文，这老哥说得没毛病，而且很透彻，
这 交叉验证 主要就是为那些数据量在 K 量级 甚至更小的 数据集服务的，害！

推荐2： 代码实现 pytorch中数据集的分割，KFold验证
这篇帖子讲解了如何使用 pytorch的Dataset, DataLoader, SubsetRandomSampler + Sklearn的KFolder 进行k-fold交叉验证数据划分及训练。不过我的数据集还是比较大的，这种训练成本有些大，不就不用了 ~
2. 外文类

推荐1：K-Fold Cross Validation – Python Example
大牌人工智能数据分析的专家 blog 非常地详细，有部分代码可供学习！

推荐2：3.1. Cross-validation: evaluating estimator performance
py3 语言 代码详细讲解 其中的图例非常地有助于理解相关概念。

相关论文

推荐的论文主要是一本书中的一个章节，下面是论文的相关信息：
Refaeilzadeh, P., et al. (2009). Cross-Validation. Encyclopedia of Database Systems.
L. Liu and M. T. ÖZsu. Boston, MA, Springer US: 532-538.
可以自己动手找一下，该章节说得非常透彻详细和全面，并对几种 交叉验证的 方法优缺点进行比较，
附上几幅图片，具体内容看文献内容。

总结

  k-fold交叉验证主要还是用于小样本学习，考虑到本项目没有用到k-fold交叉验证，索引本篇就提供我老半天搜寻到的重要资料，好了，这就是本节内容，后续会持续更新 MATLAB编程和一些深度学习相关知识，这两个都是大坑啊！不好啃。