博文
K-fold cross-validation— K折（层）交叉检验
|||
K折交叉检验是指，在机器学习中，将数据集A分为训练集（training set）B和测试集（test set）C，在样本量不充足的情况下，为了充分利用数据集对算法效果进行测试，将数据集A随机分为k个包，每次将其中一个包作为测试集，剩下k-1个包作为训练集进行训练。
K层交叉检验，就是把原始的数据随机分成K个部分。在这K个部分中，选择一个作为测试数据，剩下的K-1个作为训练数据。
交叉检验的过程实际上是把实验重复做K次，每次实验都从K个部分中选择一个不同的部分作为测试数据（保证K个部分的数据都分别做过测试数据），剩下的K-1个当作训练数据进行实验，最后把得到的K个实验结果平均。
显然，K取值越大，统计偏误就越小，但是需要的计算量较大。一些实验证据表明，当K取10时，在代价和性能之间能达到好的折衷。
https://blog.sciencenet.cn/blog-636598-550787.html
上一篇：NetWorkX安装进行曲（四）--尾声
下一篇：2012年3月30日---旁听博士论文预答辩
