在k-fold-cross验证中，我们是一次一个地在（k-1）子集上训练算法还是在组合（k-1）子集上训练算法？

Question

我的意思是说，我可以说我有10个训练集的子集（set1, set2,.....set10）。为了执行10倍的简历，根据我的说法，我应该在rbind(set2,set3.....set9,set10)上训练我的算法并在set1上进行测试。然后我将在rbind( set1,set3,set4,....set10)上训练并在set2上进行测试，依此类推。我是对的吗？

我感觉我们在set2，set3 .... set10上逐一训练算法并在set1上进行测试。这样我们在set1上有9组预测，然后我们就可以对它进行平均。哪一个是正确的方法？

非常感谢任何帮助。

谢谢。

Answer 1

您理解一组是我们用于测试的，并且用于测试的组合剩余组是正确的。

请参考问题和第二个答案@ 10 fold cross validation

Answer 2

情况类似于此处描述的情况：

作为旁注，如果你注意你的班级（待预测）的先验概率在所有(set1, set2,.....set10)中大致相等，你会更好。

这称为分层k倍交叉验证，选择折叠使得平均响应值在所有折叠中大致相等。在二分类的情况下，这意味着每个折叠包含两种类型标签的大致相同的比例。