交叉验证的过程

参考视频：【小萌五分钟】机器学习 | 交叉验证 Cross-Validation_哔哩哔哩_bilibili

如图，比如将所有数据分训练集（Training）,验证集（Validation）,测试集（Test）

训练集：训练模型

验证集：代入用训练集训练好的模型，计算一些评价模型好坏的参数，比如准确率（Acc）,用于超参数的选择。具体选择过程下面说。

测试集：最终的模型测试

k折交叉验证的过程（这次选k=4,也可以等于5，10等，也就是将训练集分成几等份）：

1、当模型的超参数C=0.01时，分别进行如上的四种划分方式，分别训练（这里个人认为是独立的模型训练，一个模型和另外的模型没有关系），然后用相应的验证集进行计算出模型的Acc1~Acc4，计算Acc1~Acc4的平均值Acc，这个平均值作为超参数C=0.01的模型的准确率

2、再取C=0.1或者1，10等，再进行步骤1的过程，得到相对应的超参数C的模型的准确率

3、将不同C决定的模型的准确率进行比较，获得准确率最高的C,例如为0.1

4、现在确定模型的C = 0.1,此时将训练集和验证集合并成为训练集，训练出最终的模型

5、通过测试集进行模型测试。

标签：训练,交叉,0.1,模型,验证,准确率,测试,过程
来源： https://blog.csdn.net/weixin_45414792/article/details/122299587