机器学习--K折交叉验证（K-fold cross validation）

K 折交叉验证（K-flod cross validation）

当样本数据不充足时，为了选择更好的模型，可以采用交叉验证方法。

基本思想：把给定的数据进行划分，将划分得到的数据集组合为训练集与测试集，在此基础上进行反复训练、测试以及模型选择。

最常用的为 K 折交叉验证。
首先随机将给定数据划分为 K 个互不相交、大小相同的自己；每次选择一个子集当作测试集（不能重复），其余 K-1 个子集作为训练集；一共进行 K 次；最后选择这 K 次中平均测试误差最小的模型。

例子

# coding=utf-8

from sklearn import datasets
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import KFold, cross_val_score
import numpy as np

if __name__ ==