【机器学习&深度学习】交叉验证用于模型评估和参数选择

交叉验证用于模型评估：

1. 将数据集划分为k个含有相同样本的子集：S1，S2，...，SK
2. 不重复地每次选取其中一个子集作为测试集，剩下的子集作为训练集。计算该模型在测试集上的性能（如AUC，ACC等）
3. 将K次的结果取平均，作为该模型在这个数据集上的性能

交叉验证用于参数选择（通常指的是超参）：

1. 选取一组需要进行对比的超参数：λ1，λ2，...，λn
2. 对于每一个参数λ，使用上述交叉验证用于模型评估的方法，对其对应的模型进行评价
3. 选择性能最佳的参数作为最优参数
4. 使用全部数据集和最优参数来训练一个新的模型