K折交叉验证长城h7价格
⾸先要讲的就是k折交叉验证的⽬的（即为什么要⽤k折交叉验证？）
根本原因：数据有限，单⼀的把数据都⽤来做训练模型，容易导致过拟合。（反过来，如果数据⾜够多，完全可以不使⽤交叉验证。）较⼩的k值会导致可⽤于建模的数据量太⼩，所以⼩数据集的交叉验证结果需要格外注意，建议选择较⼤的k值。k⼀般取2-10，在样本数量不是很多的情况下，想要检验拟合⼀个完美的模型，最常见的⽅法就是K折交叉检验。
附代码
⽤鸢尾花数据来展⽰k折验证效果
瑞天
# 导⼊鸢尾花数据集
from sklearn.datasets import load_iris
del_selection import cross_val_score
# 导⼊⽤于分类的svc分类器
from sklearn.svm import SVC
iris =load_iris()
x, y = iris.data, iris.target
svc =SVC(kernel='linear')
东南大捷龙
# cv 为迭代次数，这⾥设置为5
捷马电动车scores =cross_val_score(svc, x, y, cv=5)
# 5次，每次的结果
print("交叉验证得分: %.4f %.4f %.4f %.4f %.4f"%(scores[0], scores[1], scores[2], scores[3], scores[4]))
# ⽤得分均值作为最终得分
print("res： %.4f"%(an()))
1.K-Fold 交叉验证概念
在机器学习建模过程中，通⾏的做法通常是将数据分为训练集和测试集。测试集是与训练独⽴的数据，完全不参与训练，⽤于最终模型的评估。在训练过程中，经常会出现过拟合的问题，就是模型可以很好的匹配训练数据，却不能很好在预测训练集外的数据。如果此时就使⽤测试数据来调整模型参数，就相当于在训练时已知部分测试数据的信息，会影响最终评估结果的准确性。通常的做法是在训练数据再中分出⼀部分做为验证(Validation)数据，⽤来评估模型的训练效果。
验证数据取⾃训练数据，但不参与训练，这样可以相对客观的评估模型对于训练集之外数据的匹配程度。模型在验证数据中的评估常⽤的是交叉验证，⼜称循环验证。它将原始数据分成K组(K-Fold)，将每个⼦集数据分别做⼀次验证集，其余的K-1组⼦集数据作为训练集，这样会得到K个模型。这K个模型分别在验证集中评估结果，最后的误差MSE(Mean Squared Error)加和平均就得到交叉验证误差。交叉验证有效利⽤了有限的数据，并且评估结果能够尽可能接近模型在测试集上的表现，可以做为模型优化的指标使⽤。
2.举例说明
下⾯举⼀个具体的例⼦来说明K-Fold的过程，⽐如如下的数据
[0.1, 0.2, 0.3, 0.4, 0.5, 0.6]
铃木摩托车价格分为K=3组后
Fold1: [0.5, 0.2]
Fold2: [0.1, 0.3]
Fold3: [0.4, 0.6]
交叉验证的时会使⽤如下三个模型，分别进⾏训练和测试，每个测试集误差MSE加和平均就得到了交叉验证的总评分
Model1: Trained on Fold1 + Fold2, Tested on Fold3
Model2: Trained on Fold2 + Fold3, Tested on Fold1
Model3: Trained on Fold1 + Fold3, Tested on Fold2
3.应⽤讲解
– 1、 将全部训练集S分成k个不相交的⼦集，假设S中的训练样例个数为m，那么每⼀个⼦集有m/k个训练样例，相应的⼦集称作{clip_image024}。
– 2、 每次从模型集合M中拿出来⼀个clip_image010[3]，然后在训练⼦集中选择出k-1个
{clip_image026}（也就是每次只留下⼀个clip_image028），使⽤这k-1个⼦集训练clip_image010[4]后，得到假设函数
clip_image030。最后使⽤剩下的⼀份clip_image028[1]作测试，得到经验错误clip_image032。
– 3、 由于我们每次留下⼀个clip_image028[2]（j从1到k），因此会得到k个经验错误，那么对于⼀个clip_image010[5]，它的经验错误是这k个经验错误的平均。
– 4、 选出平均经验错误率最⼩的clip_image010[6]，然后使⽤全部的S再做⼀次训练，得到最后的clip_image012[4]。
核⼼内容：
通过上述1,2,3步进⾏模型性能的测试，取平均值作为某个模型的性能指标
根据性能指标来挑选出最优模型，再进⾏上述第4步重新进⾏训练，获得最终模型
疑问解答：
1.为什么不直接拆分训练集与数据集，来验证模型性能，反⽽采⽤多次划分的形式，岂不是太⿇烦了？
我们为了防⽌在训练过程中，出现过拟合的问题，通⾏的做法通常是将数据分为训练集和测试集。测试集是与训练独⽴的数据，完全不参与训练，⽤于最终模型的评估。这样的直接划分会导致⼀个问题就是测试集不会参与训练，这样在⼩的数据集上会浪费掉这部分数据，⽆法使模型达到最优（数据决定了程性能上限，模型与算法会逼近这个上限）。但是我们⼜不能划分测试集，因为需要验证⽹络泛化性能。采⽤K-Fold 多次划分的形式就可以利⽤全部数据集。最后采⽤平均的⽅法合理表⽰模型性能。
2.为什么还要进⾏所有数据集重新训练，是否太浪费时间？
京港澳高速事故我们通过K-Fold 多次划分的形式进⾏训练是为了获取某个模型的性能指标，单⼀K-Fold训练的模型⽆法表⽰总体性能，但是我们可以通过K-Fold训练的训练记录下来较为优异的超参数，然后再以最优模型最优参数进⾏重新训练，将会取得更优结果。
3.何时使⽤K-Fold
我认为，数据总量较⼩时，其他⽅法⽆法继续提升性能，可以尝试K-Fold。其他情况就不太建议了，例如数据量很⼤，就没必要更多训练数据，同时训练成本也要扩⼤K倍（主要指的训练时间）。