K- 折交叉验证 (k-fold cross validation)

这里只总结一下个人对 k-fold cross validation方法的理解(仅为个人见解,有错误敬请指正)!!!

这种方法适用于数据集较小的情况下确定最适合的超参数,获得表现较好的模型。

这边引用了斯坦福cs31n中的图

1、首先,从数据集的划分谈起():

 结论:正确的数据集划分应该为训练集、验证集、测试集。

2、 k-fold cross validation(这里以5-fold cross validation为例):

先将数据集划分为训练集和测试集,再将训练集分为5个文件夹。每一次调整完超参数后都进行5次训练,每次训练时,选择一个文件夹作为验证集,其余作为训练集。将5次验证结果求平均,表示此参数设置下模型的性能评价指标。

注:超参数确定的过程中只使用train data,test data只在最终选出的模型上进行测试。

 

  • 3
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值