k-fold cross-validation的cv參數定義 - Cupoy

2019/05/05 下午 02:47

機器學習共學討論版

Benjamin Shao

觀看數：37

回答數：2

收藏數：0

ml100-2

ml100-2-d18

ml100-2-d19

我想請問一下有cross_val_score裡面cv這個參數的說明嗎?為什麼validation的輸出會有很多部分壓?不是從training data跟loss function就可以計算出一組得分了嗎?

為什麼一開始cross_val_score會給那麼多組得分壓?

這部分有參考資料嗎?

回答列表

• 2019/05/05 下午 03:17
  Jimmy
  贊同數：1
  不贊同數：0
  留言數：4

  Hi Benjamin!

  
  

  還記得 k-fold cross-validation 的定義嗎? 假設 k=3，我們會把資料切成三個等分 (fold)，然後每一等分 (fold) 輪流當一次 test data，k=3 代表我們會訓練三次模型， 所以可以得到三次的 test 結果。cv 這個參數指的就是這個 k 囉! 下圖你可以很清楚的看到，這是個 k=5 的 cross-validation，有甚麼問題歡迎繼續提問囉!

  

• 2019/05/05 下午 04:03
  張維元 (WeiYuan)
  贊同數：2
  不贊同數：0
  留言數：1

  補充一下這個問題：「為什麼一開始 cross_val_score 會給那麼多組得分壓? 」

  
  

  => cross validation 的目的是透過重複不同的訓練來避免模型依賴某組資料造成 overfitting 的現象，提升模型的泛化能力。對於一個好的模型除了希望模型準之外，也會希望模型有適應不同資料的遷移性。