學(xué)習(xí)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(shù)
    • • k折交叉驗證
      • 重復(fù)訓(xùn)練/測試集劃分
      • Bootstrap方法

---

重抽樣技術(shù)

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(fù)多次，然后對結(jié)果進行匯總歸納，不同的重抽樣技術(shù)的差別往往體現(xiàn)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(dāng)?shù)淖蛹５谝徊剑贸说谝粋€子集(第一折)之外的所有樣本擬合模型，然后用該模型對預(yù)留出的第一折樣本進行預(yù)測，并用其結(jié)果來評估模型。接下來，第一個子集被歸還至訓(xùn)練集，第二個子集被預(yù)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(jié)果將進行匯總，然后基于此了解調(diào)優(yōu)參數(shù)和模型表現(xiàn)之間的關(guān)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(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。