k折交叉验证

在做机器学习这方面研究的时候,例如PCR和PLS等算法时常会遇到最佳潜变量的选取，神经元个数的选取；这些参数的选取对模型的质量产生极大的影响。如果人为选取，这样是十分不可靠的也是不现实的。进行交叉验证是一个优秀模型形成必不可少的过程。

交叉验证的目的是为了得到更为稳健可靠的模型。

交叉验证的方法有许多种，但是最常用的是：<1>留一交叉验证<2>k折交叉验证

今天说一下何谓k折交叉验证(k-fold cross Validation)：

K折交叉验证，将初始采样（样本集X，Y）分割成K份，一份被保留作为验证模型的数据（test set），其他K-1份用来训练（train set）。交叉验证重复K次，每份验证一次，平均K次的结果或者使用其它结合方式，最终得到一个单一估测。这个方法的优势在于，同时重复运用随机产生的子样本进行训练和验证，每次的结果验证一次，10折交叉验证是最常用的。（切记每次作为验证模型的数据是不同的）。

下面是如何用Python代码实现将样本分成k份且输出:



其输出结果如下：