(机器学习算法)交叉验证的意义 & sklearn.model_selection.cross_val_score()官方使用说明
交叉验证——(监督)学习器性能评估方法一、思考:交叉验证有什么好值得我们使用的?每个算法模型都需要经过两个阶段:训练和验证。官方文档链接1)一般情况下的,我们用的方法是:将原始数据集分为训练数据集&测试数据集。优点:是,但仅仅是思路正确。缺点:思路正确,但是方法不够高明。分析:一方面,如果不把原始数据集划分为训练数据集&测试数据集,而是直接使用,结果会是过拟合、泛化能力极低(即模型完美于预测原始数