K 折验证

Posted rising-sun

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了K 折验证相关的知识,希望对你有一定的参考价值。

    为了在调节网络参数(比如训练的轮数)的同时对网络进行评估,你可以将数据划分为训练集和验证集。但由于数据点很少,验证集会非常小(比如大约100 个样本)。因此,验证分数可能会有很大波动,这取决于你所选择的验证集和训练集。也就是说,验证集的划分方式可能会造成验证分数上有很大的方差,这样就无法对模型进行可靠的评估。
    在这种情况下,最佳做法是使用 K 交叉验证。这种方法将可用数据划分为 K个分区(K 通常取 4 5),实例化 K 个相同的模型,将每个模型在 K-1 个分区上训练,并在剩下的一个分区上进行评估。模型的验证分数等于 K 个验证分数的平均值。这种方法的代码实现很简单。
技术图片

以上是关于K 折验证的主要内容,如果未能解决你的问题,请参考以下文章

K折交叉验证实现python

如何在朴素贝叶斯分类器中使用 k 折交叉验证?

K折验证

机器学习100天(二十九):029 K折交叉验证

机器学习100天(二十九):029 K折交叉验证

机器学习100天(二十九):029 K折交叉验证