學習筆記，僅供參考，有錯必糾

PS : 本BLOG采用中英混合模式，有些英文下有中文翻譯

---

文章目錄

• • • 重抽樣技術
    • • k折交叉驗證
      • 重復訓練/測試集劃分
      • Bootstrap方法

---

重抽樣技術

Generally, resampling techniques for estimating model performance operate
similarly:

先用一個子樣本去擬合模型，然后用其余的樣本評估模型。這過程會重復多次，然后對結果進行匯總歸納，不同的重抽樣技術的差別往往體現在怎么選取子樣本上。

k折交叉驗證

• 原理

在這個方法中，樣本被隨機劃分為k個尺寸相當的子集。第一步，用除了第一個子集(第一折)之外的所有樣本擬合模型，然后用該模型對預留出的第一折樣本進行預測，并用其結果來評估模型。接下來，第一個子集被歸還至訓練集，第二個子集被預留出來進行模型評估，之后以此類推。這樣得到的k個模型評估結果將進行匯總，然后基于此了解調優參數和模型表現之間的關系。

• 方法延伸

這種方法的一個變種是在生成k個劃分時

總結

以上是生活随笔為你收集整理的过拟合与模型调优(part2)--重抽样技术的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。