交叉验证（Cross Validation）
在机器学习中，通常不能将全部数据用于模型训练，否则将没有数据集可以用来评估模型。
The Validation Set Approach
-
定义
将数据集划分成训练集（Training Set）和测试集（Test Set）两部分。
-
缺点
这种方法的缺点是依赖于训练集和测试集的划分方法，并且只用了部分数据进行模型的训练。
LOOCV（Leave One Out Cross Validation）
-
定义
假设数据集中有N个数据，取其中1个数据作为测试集，将剩下的N-1个数据作为训练集，这样重复N次就得到N个模型以及N个误差值，最终使用这N个误差值的平均值评估该模型。
-
优点
该方法不受训练集和测试集划分方法的影响，因为每个数据都单独做过测试集；同时该方法用了N-1个数据训练模型，也几乎用到了所有的数据，保证了模型的Bias更小。
-
缺点
该方法的缺点是计算量过大，是The Validation Set Approach耗时的N-1倍。
K折交叉验证（K-fold Cross Validation）
-
定义
该方法是LOOCV的折中，即将数据集分成K份。
-
如何选取K的值
K的选取是一个Bias和Variance的trade-off。一般选择K=5或10。
K越大，每次训练时训练集的数据量就越大，则Bias越小；但每次训练时的训练集之间的相关性越大（考虑最极端的情况K=N，也就是LOOCV，每次训练使用的数据几乎是一样的），这种大相关性会导致最终的误差具有更大的Variance。
Github（github.com）：@chouxianyu
Github Pages（github.io）：@臭咸鱼
知乎（zhihu.com）：@臭咸鱼
博客园（cnblogs.com）：@臭咸鱼
B站（bilibili.com）：@绝版臭咸鱼
微信公众号：@臭咸鱼的快乐生活
转载请注明出处，欢迎讨论和交流!