sklearn-交叉驗證

交叉驗證：評估模型的表現 如果我們訓練出的模型只在訓練集上表現極好，但在未知的數據上效果很差，說明出現了過擬合，爲了避免這種現象的出現，我們需要驗證集來評估我們的模型。 當我們在訓練集上訓練好一個模型後，現在驗證集上對模型進行，如果驗證集上的效果比較好時，再到測試集上就行最後的評估。但是單純的將數據集分爲三部分，會大大減少模型學習的數據量（因爲有時數據是很難獲取的，數目可能會比較少），並且最後模型

>>阅读原文<<