文章目录

留出法 hold-out交叉验证法 cross validationk折交叉验证留一法 leave-one-out cross validation自助法 bootstrapping

留出法 hold-out

留出法直接将数据集D划分为两个互斥的部分，其中一部分作为训练集S，另一部分用作测试集T。通常训练集和测试集的比例为70%：30%。同时，训练集测试集的划分有两个注意事项：

尽可能保持数据分布的一致性。避免因数据划分过程引入的额外偏差而对最终结果产生影响。在分类任务中，保留类别比例的采样方法称为“分层采样”（stratified sampling）。采用若干次随机划分避免单次使用留出法的不稳定性。

交叉验证法 cross validation

k折交叉验证

交叉验证法先将数据集D划分为k个大小相似的互斥子集，每次采用k−1个子集的并集作为训练集，剩下的那个子集作为测试集。进行k次训练和测试，最终返回k个测试结果的均值。又称为“k折交叉验证”（k-fold cross validation）。

留一法 leave-one-out cross validation

留一法是k折交叉验证k=m（m为样本数）时候的特殊情况。即每次只留下一个样本做测试集，其它样本做训练集，需要训练k次，测试k次。留一法计算最繁琐，但样本利用率最高。因为计算开销较大，所以适合于小样本的情况。

优点：样本利用率高。缺点：计算繁琐。

自助法 bootstrapping

自助法以自助采样为基础（有放回采样）。每次随机从D（样本数为m）中挑选一个样本，放入D′中，然后将样本放回D中，重复m次之后，得到了包含m个样本的数据集。

样本在m次采样中始终不被采到的概率是(1−1m)m(1-\frac{1}{m})^{m}(1−m1​)m，取极限得到limm→∞=(1−1m)m=1e=0.368lim_{m\rightarrow \infty }=(1-\frac{1}{m})^{m}=\frac{1}{e}=0.368limm→∞​=(1−m1​)m=e1​=0.368。即D约有36.8%的样本未出现在D′中。于是将D′用作训练集，D\D′用作测试集。这样，仍然使用m个训练样本，但约有1/3未出现在训练集中的样本被用作测试集。

优点：自助法在数据集较小、难以有效划分训练/测试集时很有用。缺点：自助法改变了初始数据集的分布，这会引入估计偏差。

参考：

/pxhdky/article/details/85206705