Cross Validation

Cross Validation

1. 什么是Cross Validation？

   假设目前已有的数据集全集为D，从中选出一部分作为交叉验证集。

   其余集作为训练集，将已有的模型$A_1$在训练集上训练，在验证集上得到$Erro{r}_1$，再轮换选出另一部分作为验证集，重复。得到$\overline{E(A_1)}$，对模型$A_2$同样操作，得到$\overline{E(A_2)}$，最终选出$\overline{E}$最小的模型A，在全集上训练，得到最终的矩 g 。

2. 为什么需要Cross Validation？

   我们已经有了很多的机器学习模型，linear regression，PLA，Pocket，Logistic，同时每种模型又有各种超参数，是否加regularization，learning-rate，Logistic的维数，从中如何选择合适的模型成了重点，因此需要一种评判优劣的标准，如果都在全集上训练，测试，可能无法做到泛化。而留出一部分未被污染的数据作为测试，更客观。

3. 如何使用Cross Validation?

   1. 将全集分为几部分，常常分为5或10.
   2. 选出一部分作为验证集，取一个模型在其余数据上训练。
   3. 在验证集上得到 $Erro{r}_1$
   4. 轮流去其余部分作为验证集，重复 b，c
   5. 得到对应于该模型的 $\overline{E(A_i)}=\frac{1}{N}{\sum }_{n=1}^{N}Erro{r}_n$
   6. 对于其余模型，重复a, b, c, d, e
   7. 比较所有模型的 $\overline{E(A)}$ 选出最小的作为最终模型 $A^{\ast }$.
   8. 在全集上训练$A^{\ast }$，得到合适的参数。确定最终的矩 g .