corss-validation

交叉验证（Cross-validation）是一种常用的模型选择方法。它将训练数据等分为n份，每次训练时只使用其中n-1份作为训练集，用剩余的一份作为验证集来评估参数的性能。交叉验证通常用于选出模型中的自由参数的值，例如惩罚因子的取值。交叉验证的基本思想是将原始数据分组，一部分作为训练集，另一部分作为验证集，通过训练得到的模型在验证集上进行测试，用来评价分类器的性能指标。在机器学习问题中，通常将数据分成训练数据和测试数据，利用交叉验证来选择最优的参数，即通过改变参数的值来选择最优的参数值。 <span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [交叉验证（cross-validation）](https://blog.csdn.net/shuizhilei3334/article/details/44516925)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [交叉验证（Cross-Validation）和特征选择（Feature Selection）](https://blog.csdn.net/caimouse/article/details/60584308)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]