《数据挖掘与机器学习》 课件5.3.1 K折交叉验证与GridSearch网络有哪些信誉好的足球投注网站.pptxVIP

8南宁职业技术学

院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

评估与优化加工厂玻璃类别识别模型

加工厂玻璃类别识别——决策树、随机森林

评估与优化加工厂玻璃类别识别模型

任务描述

大国工匠，精益求精。拥有精益求精的学习和工作精神，才能够勇攀高峰，再创辉煌。

在模型建立之后，通常需要对模型进行评估。如果模型的性能较差，那么可以考虑对

模型进行调优。

本任务介绍几种常见的评估方法，并在评估后对模型进行调优。在最后介绍了随机森

林算法。

任务要求评估与优化加工厂玻璃类别识别模型

了解常见的评估方法。

了解随机森林的基本概念。

使用sklearn库对模型进行评估。

使用sklearn库构造随机森林模型。

Part1相关知识

·K折交叉验证与GridSearch网络有哪些信誉好的足球投注网站

·随机森林

评估与优化加工厂玻璃类别识别模型

K折交叉验证

什么是K折交叉验证?

·K折交叉验证(K-foldcross-validation)是一种常用的机器学习模型评估方法。

·在K折交叉验证中，将数据集划分为K个互不重叠的子集，每次用其中一个子集作为验证

集，剩下的K-1个子集作为训练集。

·通过训练模型，计算模型在验证集上的性能指标。这个过程重复K次，每个子集都会作为

一次验证集，最终将K次验证的结果取平均值作为最终的性能指标。

评估与优化加工厂玻璃类别识别模型

K折交叉验证

什么是K折交叉验证?

·通过K折交叉验证取平均值作为最终性能指标，体现数据的平等性，正如平等是人的最基

本权利，是人类社会的理想价值追求，数据也是需要平等对待的，数据无大小，每一个

都有其地位和作用。

评估与优化加工厂玻璃类别识别模型

K折交叉验证

K折交叉验证的优点

·K折交叉验证的优点在于可以更好地评估模型的泛化性能，因为每个子集都会被用作

一次验证集，这样可以使得模型在不同数据集上的性能表现更加稳定。

·同时，K折交叉验证也可以更充分地利用数据集，因为每个样本都可以被用作一次验

证集。

评估与优化加工厂玻璃类别识别模型

K折交叉验证

D

划分为K个大小相似的互斥子集

D₁D₂D₃D₄D₅D₆D₇D8D₉D₁0

训练集测试集

D₁D₂D₃D₄D₅D₆D₇D₈