模型评估-交叉验证与自助法

本文探讨了交叉验证法和自助法在模型评估中的作用。交叉验证通过将数据集分为k个互斥子集进行多次训练和测试,以求得更稳定的误差平均值。留一法作为极端情况,虽然精确但计算成本高。自助法则基于有放回的采样方式,形成训练集和测试集,当样本数量很大时,测试集约占数据的36.8%,适用于数据难以划分的情况。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

交叉验证法:

实质上是多次的留出法。把数据集D分为k个互斥子集(分层抽样),每次选一个子集作为测试集,其他的集合作为训练集,循环k次,求误差平均值。


如果每个子集只包含一个数据,那么叫做留一法。这样的方法显然耗时较多。

自助法:

它以自助采样法(bootstrap sampling)为基础,具体做法很简单,对m个样本进行m次有放回采样得到训练集。剩下的作为测试集。

由于是有放回,那么很可能有些样本重复被采样。任一样本在m次采样后始终没被采到的概率是

(1-1/m)^m

当m趋于无穷,上式极限为1/e≈0.368(这时微积分中经典极限之一)

这表明,m很大时,测试集大约得到了36.8%的数据。

这种方法在留出法难以有效划分时常用到。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值