1回答
我很难掌握如何使用交叉验证进行超参数优化和评估的标准方法。我试着做10倍的简历。下列哪一种方法是正确的？
所有数据都用于参数调整(例如，使用带有交叉验证的随机网格搜索)。这将返回最佳的超参数。然后，利用这些超参数构造了一个新的模型，它可以通过交叉验证(9倍的训练，1倍的测试)来评估，最后，我发现的精度或混淆矩阵获取averaged).Another的方法是首先将数据分割成一个训练集和一个测试集，然后只对训练集进行交叉验证</e
浏览 1提问于2020-04-21得票数 0
回答已采纳
在scikit中有绝对有用的类GridSearchCV --学习网格搜索和交叉验证，但我不想做交叉验证。我想做网格搜索没有交叉验证和使用整个数据训练。更具体地说，在网格搜索过程中，我需要用"oob评分“来评估RandomForestClassifier创建的模型。有什么简单的方法吗？还是我自己做一堂课？我不想做交叉验证。
我需要使用oob评分来评估<
浏览 8提问于2016-01-06得票数 31
回答已采纳
1回答
超参数整定与交叉验证
、、、
我对交叉验证的正确使用有一些困惑。评估评估器的性能和可概括性。据我所知，这将是你将遵循的过程：使用交叉验证在训练集(GridSearchCV)上建立模型并调优超参数。使用测试集上的交叉验证(cross_val_score)评估最佳估计器并评估泛化性。
我已经查看了斯考特交叉验证文档，它
浏览 0提问于2019-10-11得票数 3
4回答
对训练集模型进行评价(即训练训练模型，在同一训练集上评估回归误差/精度)，并将评价结果与模型回归误差/交叉验证(我们在同一训练集上进行交叉验证)和测试集的精度进行比较，以检查过拟合/不拟合是否是一种很好的做法吗据我所知，我们不应该对训练集的模型进行评估。然而，我看到一些讲座似乎促进了对训练错误的评估。
浏览 0提问于2020-08-20得票数 1
1回答
我在python中编写了一段代码，使用scikit-learn模块执行支持向量机分类，并进行递归的特征消除和交叉验证：rfecv = RFECVStratifiedKFold(y_train, 2), scoring='f1') rfecv.fit(X_train, y_train)
不幸的是，我无法理解为什么使用交叉验证模型交叉验证的模
浏览 2提问于2015-03-24得票数 0
回答已采纳
1回答
示例：评估实体可以引用Patient实体。实际上，当我保存任何实体时，我正在验证所有这些引用。因此，当我保存一个评估，我将检查是否仍然存在被推荐的病人。否则，保存将失败。这种态度的问题是，如果我删除一个病人，评估服务也应该处理它并更新评估，但是如果病人被正确删除，但是评估的业务逻辑失败了，那么会发生什么呢？在这种情况发生后，没有人能够对评估本身做任何事情，因为由于缺少对患者的交叉引用，服务器将无法保存与评估有关的任何更改。
因此，我的
浏览 2提问于2020-04-25得票数 0
回答已采纳
为了实现这一点，我使用k重交叉验证来评估每一种方法。在进行了评估之后，我选择了产生最优度量的方法。
为了简化事情，让我们考虑线性回归。我通过改变技术和步骤尝试了不同的方法。为了评估它们的性能，我使用k重交叉验证对每种方法进行了评估。假设我发现方法2在线性回归中表现最好。在没有使用新数据训练模型的情况下，我转到了下一个算法，即ANN。按照类似的过程，我评估了不同的人工神经网络方法使用k-折叠交叉验证.
浏览 0提问于2023-06-01得票数 0
回答已采纳
2回答
检查过拟合
、、、、
我使用交叉验证检查了过拟合。所有折叠的结果都是close.But的，同时我检查了训练和测试预测。测试大小为0.25。而且训练和测试预测是如此不同。这表明我的模型过拟合了。我应该相信哪个结果？交叉验证或测试/训练prediction.Is我的模型过拟合？
注意:我使用的是python。Sklearn用于交叉验证、训练测试拆分和建模
浏览 0提问于2020-03-10得票数 0
1回答
考虑到这三种方法，是否应该使用k-折叠交叉验证来评估每一种方法，而不需要再培训模型，然后比较交叉验证的结果以确定最佳的方法而不使用测试数据集？
浏览 0提问于2023-06-01得票数 0
在评估推荐系统时，可以将其数据分成三部分:培训、验证和测试集。在这种情况下，培训集将用于从数据中学习推荐模型，而验证集将用于选择要使用的最佳模型或参数。然后，使用所选择的模型，用户可以使用测试集来评估其算法的性能。我已经找到了一个scikit学习交叉验证()的文档页面，它说，在使用k-折叠交叉验证时，不需要将数据分成三部分，而是只分为两部分:培训和测试。解决这个问题的方法是一个叫做交叉验证(简称CV)的过程。测试集仍
浏览 5提问于2017-04-05得票数 0
回答已采纳
1回答
对整个数据集进行K-折叠交叉验证
、、、、
train_test_split(然后，在定义CatBoostClassifier之后，我使用我的训练集执行交叉验证的50,150,250,350,450,600, 800,1000]} X=X_train,现在我想评估一下我的模型我现在可以使用整个数据集来执行k折交叉验证
浏览 21提问于2020-05-24得票数 0
回答已采纳
我正在使用交叉验证来评估具有scikit-learn的分类器的性能，并且我想要绘制精度-召回率曲线。我在scikit-learn`s的网站上找到了来绘制PR曲线，但它没有使用交叉验证进行评估。在使用交叉验证时，如何在scikit学习中绘制精确召回曲线？
浏览 2提问于2014-10-27得票数 7
2回答
当使用交叉验证来评估结果时，可以采用几种策略，例如使用5或10倍，或者将一次交叉验证排除在外，以及进行80/20的分割。
在哪种一般情况下，我应该试一种或另一种？
浏览 0提问于2018-04-23得票数 1
回答已采纳
2回答
在执行二进制分类时，我在这个过采样的数据集上使用10倍交叉验证。
然而，我最近研究了这篇文章；提到在交叉验证期间使用过采样数据集是不正确的，因为它会导致性能评估过于乐观。我要验证正确的方法/过程，即在交叉验证中使用过采样数据。
浏览 2提问于2018-03-27得票数 2
回答已采纳
1回答
我希望使用用户自己创建的训练数据集对分类后的像素数据再次运行准确性评估。有没有准确性评估可以用来检查我的结果？
浏览 21提问于2018-09-01得票数 0
2回答
通常，堆叠算法使用K-折叠交叉验证技术来预测用于二级预测的oof验证。在时间序列数据(如股票走势预测)的情况下，不能使用K-折叠交叉验证，而时间序列验证(一种在sklearn lib上提出的)适合于评估模型的性能。如何使用时间序列数据的叠加算法交叉验证技术？
浏览 0提问于2018-11-18得票数 5
回答已采纳
1回答
我知道交叉验证用于找到最大限度减少平均误差的最佳超参数。例如，将交叉验证的平均误差最小化的神经元数在ELM中估计。冯，G，黄，G.B.在EM-ELM中应用交叉验证的最佳和最标准方法是什么？是否有可能将交叉验证过程纳入到网络的增长中？
浏览 0提问于2018-07-05得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
