机器学习——鸢尾花分类之网格搜索与交叉验证

（一)  交叉验证：

           交叉验证(Cross-validation)主要用于建模应用中，例如PCR、PLS回归建模中。在给定的建模样本中，拿出大部分样本进行建模型，留小部分样本用刚建立的模型进行预报，并求这小部分样本的预报误差，记录它们的平方加和。

        其实用小编的大白话来讲就是，将训练集单独拿出，分为n等分，然后拿出其中一份作为验证集，其余的作为训练集，最后我们想要的就是让每份都作为一次验证机，这样我们就会得到n个模型，也就是n个准确率，取平均值，那么这个平均值就是我们认为最可信的准确率。

（二）网格搜索

      （在这里小编就不给大家专业术语的解释了，直接用大白话了）

先介绍超参数，超参数就是我们可以手动更改的参数，k-近邻算法中的k值就是一个超参数。在算法代码中：

     这就是我们要手动调参的k

param = {"n_neighbors" : [3,5,10,7]}

之后我们就要与交叉验证联合使用，通过网格搜索，就会得到最贴切最可靠的k值。

注：网格搜索就是将我们设置的k值和我们得到的准确度一对一结合，得到最理想最精确的k值。

​