淺析機器學習中的模型選擇與調參（cross validation + grid search）

對於一個預測問題，同時有多種可用的模型，每種模型有多種可用的參數。如何選擇一個最合適的模型？ 總題過程分爲2個部分：             1.對於一個模型，如何評估該模型在特定問題上的好壞？             2.選擇了最好的模型後，如何選擇最優的參數？ 對於模型的評估，我們一般使用交叉驗證(cross validation)來進行評估。 在這裏我們使用了k摺疊法，將訓練集劃分爲相等的k

>>阅读原文<<