※ 引述《Tombo (Tombo)》之铭言： : 自己的理解是 : 交叉验证只建立一次模型 : 之後执行k次拆解训练集去训练跟验证 : 但图中回圈中会呼叫四次build_model方法 : 不过为什麽不会变成重新建立四次新模型，而覆盖之前的权重？ : 自己以为会是建立一次编译模型後 : 再连续四次用切割过的不同子资料集 : 呼叫fit做训练就好 : 谢谢 你的理解不完全正确。 K-fold事实上主要验证的并不是「训练出的模型」，而是「用来训练模型的演算 法」以及「演算法使用的参数」。 它主要的目标是，利用到所有资料都做过training也做过testing，去确认说至 少在我手上拥有的所有资料，不管怎麽切分做训练跟测试，我现在用的这个演算法跟 搭配的参数都可以有好的表现。 如果前述成立了，那麽当我真的所有资料都拿来training，这时我没有testing 可以先测了，但是因为我们测过K-fold，所以我们相对就比较有信心说完整资料用这 个演算法搭这个参数表现也会好。 但也不是没有办法直接利用K-fold训练出来的K个Model而不要重来。最常见的简 单做法有两个，一个是如果理论上Model里面的权重之类进行平均是有意义的，那可 以直接平均得出一个单一平均Model。另一个做法是保留这K个Model，每次要处理新 资料，则K个Model都跑过一次，最後取平均或投票决定最终答案。这样的做法可以说 是类似bagging的概念。 要注意的是K-fold推广到使用完整资料这件事情并非100%会成立，例如某个演算 法的参数设定对资料点的密度很敏感，则K-fold时的密度是完整资料的(K-1)/K而已 ，就会导致K-fold时的最佳参数其实可能无法直接用在拿完整资料来训练的情况。 -- 「可是你......不是天使吗？」 「天使？」她缓缓的转过头来，用悲伤的表情。「天使，只不过是神创造出来的 不死玩偶。」 「而神，也只不过是诅咒下的伪善使者。」 －－星．幻．梦的传说 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.250.171.101 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1615221650.A.035.html ※ 编辑: ddavid (111.250.171.101 台湾), 03/09/2021 00:44:35