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？
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