17. 交叉驗證 & 模型持久化

交叉驗證引入前置： 訓練集，驗證集與測試集 當模型建立後，我們需要評估下模型的效果，例如，是否存在欠擬合，過擬合等。但是，在我們建立模型時，我們不能使用全部數據用於訓練（考試的示例）。因此，我們可以將數據集分爲訓練集與測試集。然而，模型並不是絕對單一化的，其可能含有很多種不同的配置方案（參數），這種參數不同於我們之前接觸過的權重（w）與偏置（b），這是因爲，權重與偏置是通過數據學習來的，而這種參數

>>阅读原文<<