模型评估与改进

模型评估与改进 一、交叉验证 k折交叉验证：将数据分成k部分，每部分叫做折。在训练时，一个折作为测试集，其余折作为训练集。 优点 对数据的使用更加高效 可以提供模型对训练集选择的敏感性信息 每个样例刚好在测试集中出现一次 缺点 增加了计算成本 速度慢（比单次划分大约慢k倍） 分层k折交叉验证 划分数据，使得每个折中类别之间的比例与整个数据集中的比例相同 分层k折交叉验证比k折交叉验证有更好的泛化性

>>阅读原文<<