KFold模塊

from sklearn.model_selection import KFold

為什么要使用交叉驗證？交叉驗證的介紹

交叉驗證是在機器學習建立模型和驗證模型參數時常用的辦法。 交叉驗證，顧名思義，就是重復的使用數據，把得到的樣本數據進行切分，組合為不同的訓練集和測試集，用訓練集來訓練模型，用測試集來評估模型預測的好壞。在此基礎上可以得到多組不同的訓練集和測試集，某次訓練集中的某樣本在下次可能成為測試集中的樣本，即所謂“交叉”。

那么什么時候才需要交叉驗證呢？交叉驗證用在數據不是很充足的時候。 它的基本想法就是重復地使用數據：把給定的數據進行切分，將切分的數據集組合為訓練集和測試集，在此基礎上反復地進行訓練、測試以及模型選擇。 比如在我日常項目里面，對于普通適中問題，如果數據樣本量小于一萬條，我們就會采用交叉驗證來訓練優化選擇模型。如果樣本大于一萬條的話，我們一般隨機的把數據分成三份，一份為訓練集（Training Set），一份為驗證集（Validation Set），最后一份為測試集（Test Set）。用訓練集來訓練模型，用驗證集來評估模型預測的好壞和選擇模型及其對應的參數。把最終得到的模型再用于測試集，最終決定使用哪個模型以及對應參數。

交叉驗證的目的是為了能有效地估計模型的泛化能力 (測試誤差)，從而進行模型選擇。 評估模型，然后通過的出來的準確率，我們再進行模型選擇。

K折

總結

以上是生活随笔為你收集整理的K折交叉验证和pipeline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。