机器学习必须了解的7种交叉验证方法（附代码）

Part17种机器学习交叉验证方法交叉验证在机器学习模型中的主要目的是为了防止过拟合，并提高模型的泛化能力。过拟合是指模型在训练数据上训练得过于完善，但在新的未见数据上表现不佳。什么是“训练-测试-验证”？我们通常根据训练-测试拆分，会将同一个数据集分为训练和测试训练集用于训练模型。模型参数从训练集中学习它们的值。最终评估是在测试集上进行的，该测试集在训练期间模型是不知道的。除了训练-测试集外，还有另一个被称为验证集的数据集。验证集用于通过不同组合的超参数多次训练模型。因此，它用于超参数调整。一个非常简单的划分方法：我们可以通过两次调用 Scikit-learn 的 train_test_split() 函数，将整个数据集分为训练集、测试集和验证集。X_train, X_rem, y_train, y_rem = train_test_split(X, y,                     ………………………………