k-fold交叉验证
交叉验证的目的当数据量较少时,交叉验证可以评估模型的泛化能力,从而进行模型选择交叉验证的基本思想它将原始数据分成K组(K-Fold),将每个子集数据分别做一次验证集,其余的K-1组子集数据作为训练集,这样会得到K个模型。这K个模型分别在验证集中评估结果,最后的误差MSE(Mean Squared Error)加和平均就得到交叉验证误差。交叉验证有效利用了有限的数据,并且评估结果能够尽可能接近模型在测试集上的表现,可以做为模型优化的指标使用。参考文章参考文章1参考文章2...
复制链接