2021年2月20日
关于交叉验证
摘要： 在机器学习中，我们一般会把数据集分为训练集和测试集，训练集用于创建模型，测试集用于评估模型的好坏。如果效果不好，我们就进行调参，继续在测试集上进行测试。实际上这有可能使得模型对于测试集过拟合，进而在面对新的未知数据时预测效果不好。 为了尽量避免针对测试集和训练集过拟合的问题，一般在数据量少的情况下， 阅读全文
posted @ 2021-02-20 22:07 止一 阅读(28) 评论(0) 推荐(0) 编辑