知识卡片
k折交叉验证
k 折交叉验证把训练集无重复随机分成 k 份,每轮用 k-1 份训练、1 份测试,重复 k 次得到 k 个性能评价再取平均;因无放回抽样,每个样本只有一次进入测试集的机会,比 holdout 方差更小。k 常取 10;小数据集增大 k(特例 k=n 为留一法 LOO)可降低偏差但增加运行时间与方差,大数据集可取 k=5 降低计算成本。 StratifiedKFold 分层 k 折保持每块类别比例与整体一致,在类别比例悬殊时偏差和方差都更低。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 模型评估与参数调优实战 · 查看原书依据
分层k折交叉验证对标准k折交叉验证做了稍许改进,它可以获得偏差和方差都较低的评估结果,特别是类别比例相差较大时
参考来源
- 位置:《Python机器学习》第6章《6.2.2 k折交叉验证》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0085.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:分层k折交叉验证对标准k折交叉验证做了稍许改进,它可以获得偏差和方差都较低的评估结果,特别是类别比例相差较大时