数据分析基本方法——交叉验证的代码实现

最新推荐文章于 2024-04-04 08:48:53 发布

丰。。

最新推荐文章于 2024-04-04 08:48:53 发布

阅读量638

点赞数

CC 4.0 BY-SA版权

分类专栏：数据分析基本方法文章标签： python 算法机器学习数据挖掘

本文链接：https://blog.csdn.net/CSDNXXCQ/article/details/114041076

数据分析基本方法专栏收录该内容

6 篇文章

订阅专栏

该博客详细介绍了K折交叉验证（K-fold Cross Validation）的Python实现过程，通过随机抽取样本并分组来评估模型的性能。这种方法能有效避免过拟合，提高模型泛化能力。代码中展示了如何将数据集拆分为K个子集，并逐一作为验证集进行模型训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

def k_fold(data, folds):
    data_split = list()
    # 副本
    data_copy = list(dataset)
    fold_size = int(len(data) / folds)#每折大小

    for i in range(folds):
        fold = list()
        while len(fold) < fold_size:#不符合大小要求就继续
            index = randrange(len(data_copy))
            fold.append(data_copy.pop(index))
        data_split.append(fold)
    return data_split