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

另外一篇博客http://blog.csdn.net/evillist/article/details/76009632html 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(

>>阅读原文<<