交叉验证（Cross Validation）是常用的模型选择（模型评估）方法。在实际问题中，如果给定的样本数据充足，进行模型选择的方法是随机地将数据集划分成三部分，分别为训练集、验证集、测试集。在训练集上用不同的学习方法训练多个模型，将训练到的多个模型在验证集上验证，选择验证误差最小的模型作为最终的模型，最后用测试集对选出的最终模型进行测试，相应的思路流程图如下所示。

无论哪种机器学习的算法，检测的最终标准都是其能否泛化。而检测的方式，则是交叉验证。交叉验证是一个需要讲究细节的环节，在交叉验证，你用的是正确的版本吗？中，我区别了两种不同的交叉验证的方式。而今天想谈谈交叉验证设计上的其他问题。

编辑推荐

前几周我们一直在推出一些与生活或娱乐相关的数据分析文章，大家是不是都看得很开心呢？不过，本着劳逸结合的精神，本期有大量技术性、应用性极强的干货，也希望给大家带来一些启发……

↓推荐关注↓

大家好，我是小寒今天给大家分享机器学习中的一个关键概念，交叉验证交叉验证（Cross-Validation）是机器学习中一种广泛使用的模型评估方法，用于评估预测模型在未见数据上的表现。

文末免费获取本文的 pdf 版本