R：训练数据集的 k 折交叉验证

Posted 2023-03-12

【中文标题】R：训练数据集的 k 折交叉验证

【英文标题】：R: k-fold cross-validation for train data set

【发布时间】：2018-05-03 16:43:41

【问题描述】：

我正在使用 R 中的 C5.0 对心脏病数据集进行一些分类任务，在最常见的情况下，数据将分为 80% 用于训练，20% 用于测试， 我想使用k-fold交叉验证（k=10），但是我对这一点感到困惑，因为我们知道通过使用10-fold交叉验证，我们会将整个数据分成9个子集训练和测试的一个子集。

是否可以将数据分成 80% 用于训练和 20% 用于测试，然后对训练数据应用 k 折交叉验证？ 还是我必须对整个数据集应用 k 折交叉验证？

【参考方案1】：

一个选项是 k=5。在这种情况下，您使用 80% 进行训练并使用 20% 进行测试。但为此，您不需要使用 k 折交叉验证。

k-fold 交叉验证总是在整个数据集上进行。因此，在 k=5 的情况下，有 5 种可能的场景需要进行测试和比较。

【讨论】：

你可以在analyticsvidhya.com/blog/2015/11/…找到一个例子

【参考方案2】：

对整个数据集应用 k 折交叉验证是更好的选择。在这种方法中，数据将被分成 k 折，其中 k-1 折用于训练，剩下的 1 折用于测试。这样，一旦交叉验证结束，您将获得完整数据的性能。

但需要注意的一点是，对于大多数分类问题，参数调整是重要的一步。因此，为此您可能会考虑 50% 的数据来找到分类器的最佳参数。此处也使用交叉验证方法。