一开始提出的是LOOCV方法：每次取出一个数据作为测试集的唯一元素，其他n-1个元素作为训练集哟用于训练模型和调参。经过n个模型，每次一个MSE（均方误差），将他们取均值得到test MSE。但是计算量太大。
K-fold Cross Validation：K折交叉验证。
将数据分成n份，不重复的取其中一份做测试集，用其他四份做训练模型，之后计算该模型MSE，取均值。k一般取5或者10.
如果是分类问题，CV = 1/N(求和第i个模型在第i组测试集上分类错误的个数)
cross-validation
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
推荐阅读更多精彩内容
- 谷歌开发者机器学习词汇表：纵览机器学习基本词汇与概念 姓名：钟航 转载自：http://mp.weixin.qq....
- 模型评价的目的：通过模型评价，我们知道当前训练模型的好坏，泛化能力如何？从而知道是否可以应用在解决问题上，如果不行...
- 【今日晨读】 早起读书10分钟 工作生活更轻松 秦刚老师在《Target、索尼同一天宣布撤出加拿大，庞巴迪裁员10...
