为什么在决策树分类中使用交叉验证?

时间:2018-01-21 22:24:53

标签: machine-learning classification decision-tree cross-validation nearest-neighbor

我试图了解决策树(和其他模型)并且我遇到了交叉验证,现在我首先想到交叉验证用于确定模型的最佳参数。例如,决策树分类中的最佳max_tree_depth或k_nearest_neighbor分类中的最佳number_of_neighbors。但在我看一些例子时,我认为这可能是错误的。

这是错的吗?

1 个答案:

答案 0 :(得分:-1)

交叉验证用于以更准确的方式确定模型的准确性,例如在n次交叉验证中,您将数据划分为n个分区,并使用n-1个部分作为列车集,1个部分作为测试为所有分区设置并重复此操作,每个分区一次进行测试设置)然后平均结果以更好地估计模型的准确度