Udacity 数据分析进阶课程笔记L44：交叉验证

1. sklearn中的cross validation

    from sklearn import cross_validation
    features_train, features_test, labels_train, labels_test = \
    cross_validation.train_test_split(features, labels, test_size = 0.4, random_state = 0)
   

2. K-fold交叉验证，以及sklearn中交叉验证的示例

3. Sklearn 中的 GridSearchCV：用于系统地遍历多种参数组合，通过交叉验证确定最佳效果参数。它的好处是，只需增加几行代码，就能遍历多种组合。

    # 创建参数组合，由不同的 kernel 和 C 组成
    parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
   
    svr = svm.SVC()
   
    # 传达算法 (svr) 和参数 (parameters) 字典来尝试，它生成一个网格的参数组合进行尝试。
    clf = grid_search.GridSearchCV(svr, parameters)
   
    # 拟合函数现在尝试了所有的参数组合，并返回一个合适的分类器，自动调整至最佳参数组合。
    clf.fit(iris.data, iris.target)
   
    # 现在便可通过 clf.best_params_ 来获得参数值。
   

4. 交叉验证迷你项目