Ko！交叉验证还有陷阱？

文章预览

交叉验证是数据科学家必不可少的技术，但很容易被误用。 图解机器学习中的 12 种交叉验证技术 我们在在构建机器学习模型时，特别注意需要避免的错误，今天我们一起看看～ 交叉验证的意义是什么？ 机器学习的基本思想是：在“训练”数据集上拟合模型，并在单独的“测试”数据上评估其性能（该数据应该模拟模型在现实世界中的表现）： from  sklearn.model_selection  import  train_test_split from  sklearn.linear_model  import  LogisticRegression from  sklearn.metrics  import  roc_auc_score from  sklearn.datasets  import  make_classification # 示例数据集 X, y = make_classification(n_samples=  1000  , n_features=  20  , random_state=  42  )  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=  0.2  )  clf = LogisticRegression()  clf.fit(X_train, y_train)  y_pred = clf.predict(X_test)  rocauc = roc_auc_sc ………………………………