2018-10-21 阅读量: 1385
交叉验证有哪些方法？适用场景是什么？
1） 留出法
将原始数据集分为三部分：训练集、验证集和测试集，方法简单，用于训练的数据偏少
2）k 折交叉验证（k-fold cross validation）
k 折交叉验证通过对 k 个不同分组训练的结果进行平均来减少方差，因此模型的性能对数据的划分就不那么敏感。
数据量小的时候，k 可以设大一点，这样训练集占整体比例就比较大，不过同时训练的模型个数也增多。数据量大的时候，k 可以设小一点。
3）留一法
k 折交叉验证（k-fold cross validation）中当 k＝m 即样本总数时，即为留一法。
这个方法用于训练的数据只比整体数据集少了一个样本，因此最接近原始样本的分布。
但是训练复杂度增加了，因为模型的数量与原始数据样本数量相同。一般在数据缺乏时使用。
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar
