【机器学习笔记】Machine Learning Fundamentals: Cross Validation（交叉验证）

首先我们有一组医疗数据，以有无心脏疾病为标准记录各个患者的特征。

然后给出一名新患者的特征信息，判断他是否得心脏疾病。

接着我们要选出一种最合适的机器学习方法。然而方法有许多种，包括logistics regression（逻辑回归）、K-nearest neighbors（最近邻算法）、support vector machine（支持向量机、SVM）等等，我们该如何从中挑选？

Cross Validation（交叉验证）允许我们比较不同的机器学习方法，并且认识到它们在实践中的表现。

 

对于上述中收集到的医疗数据，我们需要做两件事情：

• 估算机器学习方法需要使用的参数（在机器学习的术语中被称为“算法训练（Training the Algorithm）”）
• 评估机器学习方法的工作成果（在机器学习的术语中被称为“算法测试（Testing the Algorithm）”）

换句话说，我们需要将源数据集划分为两个部分，一