交叉驗證：修订间差异

求闻百科，共笔求闻
交互式浏览历史
添加的内容 删除的内容
可视化wikitext
小 （→‎参考文献：​清理）
小 （机器人：清理不当的来源、移除无用的模板参数）
 
第15行： 第15行：
随机从最初的样本中选出部分，形成交叉验证数据，而剩餘的就当做训练数据。
随机从最初的样本中选出部分，形成交叉验证数据，而剩餘的就当做训练数据。
一般来说，少于原本样本三分之一的数据被选做验证数据。
一般来说，少于原本样本三分之一的数据被选做验证数据。
<ref>{{cite web | title=Tutorial 12 | work=Decision Trees Interactive Tutorial and Resources | url=http://decisiontrees.net/node/36 | accessdate=2006-06-21 | | | }}</ref>
<ref>{{cite web | title=Tutorial 12 | work=Decision Trees Interactive Tutorial and Resources | url=http://decisiontrees.net/node/36 | accessdate=2006-06-21 }}</ref>


=== ''k''折交叉验证 ===
=== ''k''折交叉验证 ===
第24行： 第24行：
<!-- This section is linked from [[数据挖掘]] -->
<!-- This section is linked from [[数据挖掘]] -->
正如名称所建议，留一验证（{{lang-en|leave-one-out cross-validation, LOOCV}}）意指只使用原本样本中的一项来当做验证资料，而剩餘的则留下来当做训练资料。这个步驟一直持续到每个样本都被当做一次验证资料。
正如名称所建议，留一验证（{{lang-en|leave-one-out cross-validation, LOOCV}}）意指只使用原本样本中的一项来当做验证资料，而剩餘的则留下来当做训练资料。这个步驟一直持续到每个样本都被当做一次验证资料。
事实上，这等同于''k''折交叉验证，其中''k''为原本样本个数。<ref>{{Cite web|url=https://web.stanford.edu/~hastie/ElemStatLearn/|title=Elements of Statistical Learning: data mining, inference, and prediction. 2nd Edition.|website=web.stanford.edu|access-date=2019-04-04|||}}</ref>
事实上，这等同于''k''折交叉验证，其中''k''为原本样本个数。<ref>{{Cite web|url=https://web.stanford.edu/~hastie/ElemStatLearn/|title=Elements of Statistical Learning: data mining, inference, and prediction. 2nd Edition.|website=web.stanford.edu|access-date=2019-04-04}}</ref>
在某些情況下是存在有效率的演算法，如使用{{tsl|en|kernel regression|}} 和[[吉洪诺夫正则化]]。
在某些情況下是存在有效率的演算法，如使用{{tsl|en|kernel regression|}} 和[[吉洪诺夫正则化]]。


取自“https://www.qiuwenbaike.cn/wiki/交叉驗證”