我正在使用Weka来分析提供二元结果的数据。我最初使用10倍交叉验证并使用66％的数据集来训练数据。我得到的准确率是77.1％（正确分类的实例）。然后我试着看看当我使用80％的分割而不是66％时会发生什么，但是使用相同的交叉验证。我得到的准确率仅略高于77.25％。更糟糕的是，当我使用20倍交叉验证，然后进行50倍交叉验证时，绝对没有获得改进。我认为使用更高交叉验证的整个想法是提高准确性！当我使用90％分割10倍甚至20倍时，精度降至74％。有人可以告诉我为什么当我使用较大的分割时，我的准确性没有大幅提高，并且当我使用高交叉验证时，并没有提高AT ALL吗？
答案 0 :(得分：0)
然后我试着看看当我使用80％的分割而不是66％时会发生什么，但是使用相同的交叉验证。
我认为你弄错了。分割和交叉验证百分比是误差估计的两种不同选择。因此，您可以根据百分比分割数据，在这种情况下，算法将在列车集部分上学习，并在测试集部分进行评估。
关于性能改进，更大的测试集不能保证性能提升。也许你的66％足以让分类者学到所有能力。
关于交叉验证，在大多数情况下，10倍被认为是最佳的，更多的折叠不太可能提高您的准确性。您应该更多地了解交叉验证。
最后一句话，如果你的准确度不理想，你可能应该测试另一个分类器，或者使用你的分类器参数。