机器学习---之交叉验证的用处与优点

一.评价模型性能

• 交叉验证主要可以用来评估模型的性能，比如说有一个模型，有一个数据集，如果不使用交叉验证，那就是直接将数据放到网络当中去训练，训练结束后，用新的数据来进行测试，来看看这个模型是否好，但是这个模型对这个新的数据测试效果好不代表对其他新来的数据效果就好，也就是你并不知道这个模型泛化能力是否好，是否过拟合，也许你要用很多不同的数据集来测试一下，如果数据集有限的话，就很难评估模型的泛化能力了。
• 而在数据集有限的情况下，如果你使用交叉验证的话，比如说10折交叉验证就是同时训练十个模型取均值，相当于你可以对一个数据集用同一个模型进行不同的测试，但每个训练的数据集又不全一样，相当于扩充了数据集，如果这十个模型的均值效果好的话，在一定程度上可以说这个模型有一定的泛化能力，

二.求超参数：

• 比如说一个模型中有一个不固定的参数m,m可以等于1，也可以等于2，你并不知道其应该取多少能使模型最优，这个时候，你就用m=1的模型，进行交叉验证训练，然后又用m=2的模型进行交叉验证训练，哪个结果好m就取哪个，大概就是这个意思。

三.用处：

• 比如，我在遇到一个问题的时候，我想去选择模型，试试哪个模型效果好，而这个时候数据集又有限，我就可以用交叉验证的方法来选择我想要的模型。
• 求超参数。