【機器學習】k-fold cross validation（k-摺疊交叉驗證）

交叉驗證的目的：在實際訓練中，模型一般對訓練數據好，可是對訓練數據以外的數據擬合程度差。用於評價模型的泛化能力，從而進行模型選擇。函數 交叉驗證的基本思想：把在某種意義下將原始數據(dataset)進行分組,一部分作爲訓練集(train set),另外一部分作爲驗證集(validation set or test set),首先用訓練集對模型進行訓練,再利用驗證集來測試模型的泛化偏差。另外，現實中

>>阅读原文<<