机器学习--交叉验证
来源:互联网 发布:linux 查看go语言版本 编辑:程序博客网 时间:2024/04/28 21:48
转自:
交叉验证(Cross validation),有时亦称循环估计, 是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析, 而其它子集则用来做后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。交叉验证是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力(generalize),
交叉验证一般要尽量满足:
1)训练集的比例要足够多,一般大于一半
2)训练集和测试集要均匀抽样
交叉验证主要分成以下几类:
1)k-folder cross-validation:
k个子集,每个子集均做一次测试集,其余的作为训练集。交叉验证重复k次,每次选择一个子集作为测试集,并将k次的平均交叉验证识别正确率作为结果。
优点:所有的样本都被作为了训练集和测试集,每个样本都被验证一次。10-folder通常被使用。
2)K * 2 folder cross-validation
是k-folder cross-validation的一个变体,对每一个folder,都平均分成两个集合s0,s1,我们先在集合s0训练用s1测试,然后用s1训练s0测试。
优点是:测试和训练集都足够大,每一个个样本都被作为训练集和测试集。一般使用k=10
3)least-one-out cross-validation(loocv)
假设dataset中有n个样本,那LOOCV也就是n-CV,意思是每个样本单独作为一次测试集,剩余n-1个样本则做为训练集。
优点:
1)每一回合中几乎所有的样本皆用于训练model,因此最接近母体样本的分布,估测所得的generalization error比较可靠。
2)实验过程中没有随机因素会影响实验数据,确保实验过程是可以被复制的。
但LOOCV的缺点则是计算成本高,为需要建立的models数量与总样本数量相同,当总样本数量相当多时,LOOCV在实作上便有困难,除非每次训练model的速度很快,或是可以用平行化计算减少计算所需的时间。
——-十折交叉验证:10-fold cross validation——-
英文名叫做10-fold cross-validation,用来测试算法准确性。是常用的测试方法。将数据集分成十分,轮流将其中9份作为训练数据,1份作为测试数据,进行试验。每次试验都会得出相应的正确率(或差错率)。10次的结果的正确率(或差错率)的平均值作为对算法精度的估计,一般还需要进行多次10折交叉验证(例如10次10折交叉验证),再求其均值,作为对算法准确性的估计。
之所以选择将数据集分为10份,是因为通过利用大量数据集、使用不同学习技术进行的大量试验,表明10折是获得最好误差估计的恰当选择,而且也有一些理论根据可以证明这一点。但这并非最终诊断,争议仍然存在。而且似乎5折或者20折与10折所得出的结果也相差无几。
交叉验证是机器学习、数据挖掘中经常要用到的技巧。很有必要很好的掌握它。所以试着写点这方面的理解,希望对大家有帮助。
文章分为两个部分: 一、交叉验证的原理; 二、分享一个好用的实现了大多数交叉验证的方法包(python scikit-learn)。
在用随机化抽样(random sampling)方法将数据集分为训练集和测试集过程,划分数据集常常会导致过度专门化(over-specialization)的问题,即数据的性质分布不均匀,将会导致由训练集训练出来的学习模型,在测试集上表现的很差,类似于过拟合(over-fit)的现象。基于这个原因,我们希望能够重复多次的进行训练学习模型和测试模型步骤。通过随机化抽样的方法选定K个不同的训练集和测试集,分别用来训练出学习模型和测试模型。最后,通过取K个学习模型性能的均值,来解决过度专门化的问题。 而这个过程也称之为交叉验证(Cross-Validation)。
常用的交叉验证有:K-Folds cross validation、Stratified K-Folds cross validation、Leave-one-out cross validation 等等。
#好东西要分享#
python的机器学习包scikit-learn中对各种交叉验证进行了实现。http://scikit-learn.org/stable/modules/classes.html#module-sklearn.cross_validation
转载请注明:转自 zh's note http://blog.csdn.net/wuzh670/
- 机器学习--交叉验证
- 机器学习--交叉验证
- 机器学习-交叉验证
- 机器学习-CrossValidation交叉验证
- 机器学习之交叉验证
- 机器学习-CrossValidation交叉验证
- 机器学习十 交叉验证
- 机器学习中的交叉验证
- 机器学习-CrossValidation交叉验证Python实现
- 机器学习——交叉验证
- 机器学习实战——交叉验证
- 机器学习-CrossValidation交叉验证Python实现
- 机器学习-CrossValidation交叉验证Python实现
- 斯坦福机器学习之交叉验证
- 优达机器学习:交叉验证
- 【机器学习】交叉验证(cross-validation)
- 机器学习 python 交叉验证实例
- 【机器学习】交叉验证和K-折交叉验证cross-validation and k-fold cross-validation
- java.math.BigDecimal的用法
- &高手解析在Win 7上如何建立虚拟wifi设置&【mfxp】
- Linux下vim命令详解
- OA项目之打印
- windows下的编译生成的R.dll 无R.lib 由dll生成lib的方法
- 机器学习--交叉验证
- gvim windows cscope
- HDU1056-水题
- NSLog各种打印
- Minigui学习--绘制
- PBRT and LuxRender 编译过程中遇到的问题的总结
- 高性能网络编程(一)----accept建立连接
- 在reboot的时候出错
- 【tobacco项目中的代码片段】