交叉驗證：評估模型表現

註明：本文章所有代碼均來自scikit-learn官方網站 在實際情況中，如果一個模型要上線，數據分析員需要反覆調試模型，以防止模型僅在已知數據集的表現較好，在未知數據集上的表現較差。即要確保模型的泛化能力，它指機器學習對新鮮樣本的適應能力。只有保證模型的泛化能力，模型的構建纔有意義。因此，交叉驗證在整個建模流程中顯得尤爲重要。 如果不對數據集進行處理，而僅是用含有標籤的已知數據訓練模型會得到很高

>>阅读原文<<