一开始提出的是LOOCV方法：每次取出一个数据作为测试集的唯一元素，其他n-1个元素作为训练集哟用于训练模型和调参。经过n个模型，每次一个MSE（均方误差），将他们取均值得到test MSE。但是计算量太大。
K-fold Cross Validation：K折交叉验证。
将数据分成n份，不重复的取其中一份做测试集，用其他四份做训练模型，之后计算该模型MSE，取均值。k一般取5或者10.
如果是分类问题，CV = 1/N(求和第i个模型在第i组测试集上分类错误的个数)
一开始提出的是LOOCV方法：每次取出一个数据作为测试集的唯一元素，其他n-1个元素作为训练集哟用于训练模型和调参。经过n个模型，每次一个MSE（均方误差），将他们取均值得到test MSE。但是计算量太大。
K-fold Cross Validation：K折交叉验证。
将数据分成n份，不重复的取其中一份做测试集，用其他四份做训练模型，之后计算该模型MSE，取均值。k一般取5或者10.
如果是分类问题，CV = 1/N(求和第i个模型在第i组测试集上分类错误的个数)
本文标题：cross-validation
本文链接：https://www.haomeiwen.com/subject/qazekftx.html
网友评论