【题集】K折交叉验证的基础知识

一般情况将K折交叉验证用于模型调优，找到使得模型泛化性能最优的超参值。找到后，在全部训练集上重新训练模型，并使用独立测试集对模型性能做出最终评价。

K折交叉验证使用了无重复抽样技术的好处：每次迭代过程中每个样本点只有一次被划入训练集或测试集的机会。

K折交叉验证图：

如果训练数据集相对较小，则增大k值。

增大k值，在每次迭代过程中将会有更多的数据用于模型训练，能够得到最小偏差，同时算法时间延长。且训练块间高度相似，导致评价结果方差较高。

如果训练集相对较大，则减小k值。

减小k值，降低模型在不同的数据块上进行重复拟合的性能评估的计算成本，在平均性能的基础上获得模型的准确评估。

K折交叉验证的一个特例：

 留一（LOO）交叉验证法：将数据子集划分的数量等于样本数（k=n），每次只有一个样本用于测试，数据集非常小时，建议用此方法。

K折交叉验证改进成的 分层K折交叉验证：

       获得偏差和方差都低的评估结果，特别是类别比例相差较大时。

实现K折交叉验证：

使用数据集中的类标y_train初始化sklearn.cross_validation模块下的StratifiedKFold迭代器，通过n_folds参数设置块的数量。

使用kfold在k个块中迭代时，使用train中返回的索引去拟合流水线，通过pipe_lr流水线保证样本都得到适当的缩放。

使用test索引计算模型的准确率，存在score中。

  

   

    

     

    
    

     

      # 使用k-fold交叉验证来评估模型性能。
     
    
   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      from sklearn.cross_validation import StratifiedKFold
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      kfold = StratifiedKFold(y=y_train, 
     
    
   

    

     

    
    

     

       n_folds=10,
     
    
   

    

     

    
    

     

       random_state=1)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      scores = []
     
    
   

    

     

    
    

     

      for k, (train, test) in enumerate(kfold):
     
    
   

    

     

    
    

     

       pipe_lr.fit(X_train[train], y_train[train])
     
    
   

    

     

    
    

     

       score = pipe_lr.score(X_train[test], y_train[test])
     
    
   

    

     

    
    

     

       scores.append(score)
     
    
   

    

     

    
    

     

       print('Fold: %s, Class dist.: %s, Acc: %.3f' % (k+1, np.bincount(y_train[train]), score))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print('\nCV accuracy: %.3f +/- %.3f' % (np.mean(scores), np.std(scores)))
     
    
  
 

文章来源: kings.blog.csdn.net，作者：人工智能博士，版权归原作者所有，如需转载，请联系作者。

原文链接：kings.blog.csdn.net/article/details/96448437