1.概念
k-折交叉检验,k-fold cross test.
一种检验机器学习效果的方法。k取值为10时就是10折交叉检验。将数据集均分成10份，做10次检验，取平均误差为最终误差。
第i次检验时将第i份数据作为测试集，其余(10-1=9)份数据作为训练集。
2.代码
顺着逻辑直接写出来的代码：
更优雅的代码如下：
k-折交叉检验 （附代码）
2016-01-12
1875
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
1.概念
k-折交叉检验,k-fold cross test.
一种检验机器学习效果的方法。k取值为10时就是10折交叉检验。将数据集均分成10份，做10次检验，取平均误差为最终误差。
第i次检验时将第i份数据作为测试集，其余(10-1=9)份数据作为训练集。
2.代码
顺着逻辑直接写出来的代码：
更优雅的代码如下：
目录
相关文章
|
4月前
|
4月前
|
数据可视化
|
2月前
|
机器学习/深度学习
数据采集
算法
Python实现贝叶斯岭回归模型(BayesianRidge算法)并使用K折交叉验证进行模型评估项目实战
Python实现贝叶斯岭回归模型(BayesianRidge算法)并使用K折交叉验证进行模型评估项目实战
76
1
1
|
4月前
|
资源调度
|
4月前
|
机器学习/深度学习
数据可视化
|
4月前
|
数据挖掘
R语言稀疏主成分分析、因子分析、KMO检验和Bartlett球度检验分析上市公司财务指标数据
R语言稀疏主成分分析、因子分析、KMO检验和Bartlett球度检验分析上市公司财务指标数据
52
1
1
|
4月前
|
数据可视化
|
4月前
|
数据可视化
Python
R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化
R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化
52
0
0
|
4月前
|
机器学习/深度学习
资源调度
数据挖掘
|
4月前
|
人工智能
BI