Anooyman的博客

留出法​ 将数据集 D 拆分为 训练集 S 和测试集 T​ 正常来说会保留 70% 用作训练，30% 用作测试。采样时采用分层采样（stratified sampling）的方法，即根据样本标签将数据进行分类之后按照对应比例抽取样本​ 一般来说会重复上述抽取训练测试的步骤 n 次，取最后的平均值当作模型的结果​ 缺点：取样随机性导致评估结果与模型最终的结果偏差可能会很大交叉验证法​ 将数据集 D 拆分成 k 个相似并且互斥的子集，每个子集均通过分层采样得到。称之为 k 折交叉验证​ 保留其中一

机器学习概念入门，分类及简单介绍

准确率，精确率，召回率，PR曲线，F1分数和ROC曲线下面积（ROC-AUC）都是机器学习领域中较为常用的评价指标。本文将带领大家全面的了解各个指标之间的联系和不同。