机器学习划分方法（基本）

机器学习划分方法

留出法(hold-out)

留出法直接将数据集D划分为两个互斥的集合，其中一个集合作为训练集S，另一个作为测试集T，即D=S∪T，S∩T=空集。在S上训练出模型后，用T来评估其测试误差，作为对泛化误差的估计。
注意训练/测试集的划分要尽可能保持数据分布的一致性，避免因数据划分过程引入额外的偏差而对最终结果产生影响。

交叉验证(cross validation)

交叉验证法先将数据集D划分为k个大小相似的互斥子集，即D=D1∪D2∪……Dk，Di∩Dj=空集（i≠j）。每个子集Di都尽可能保持数据分布的一致性，即从D中通过分层采样得到。然后，每次用k-1个子集的并集作为训练集，余下的那个子集作为测试集，这样就可获得k组训练/测试集，从而可进行k次训练和测试，最终返回的是这k个测试结果的均值。
显然，交叉验证法评估结果的稳定性和保真性在很大程度上取决于k的取值。k的常用取值是10，其他常用的k值有5和20等。
为减小因样本划分不同而引入的差别，k折交叉验证通常要随机使用不同的划分重复p次，最终的评估结果是这p次k折交叉验证结果的均值，例如常见的“10次10折交叉验证”。
特例： 留一法（样本数目m等于划分子集数k）留一法不受随机样本划分方式的影响，因为m个样本只有唯一的方式划分为m个子集。
在留出法和交叉验证法中，保留了一部分样本用于测试，因此实际评估的模型所使用的训练集比