Machine learning 为什么应用分层K倍交叉验证后，准确度和AUC完全相同
我不熟悉机器学习和二元分类，精度和AUC是完全相同的，我不确定这是否正确或者是否有任何问题 谢谢你的帮助 谢谢Machine learning 为什么应用分层K倍交叉验证后，准确度和AUC完全相同,machine-learning,data-science,evaluation,auc,Machine Learning,Data Science,Evaluation,Auc,我不熟悉机器学习和二元分类，精度和AUC是完全相同的，我不确定这是否正确或者是否有任何问题 谢谢你的帮助 谢谢 我认为结果表明模型可能过度拟合或不拟合。最好的方法是使用列车测试拆分并检查测试数据的结果 另一个原因可能是您的数据量很小，而且两个模型都能够过拟合，所以您肯定需要进行列车测试拆分 希望这能有所帮助。如果您看到这种高精度而不进行任何调整，那么大多数情况下，基线也是超高的 如果你想做一个很好的比较，你可以建立一个虚拟分类器，它总是预测主要类（二进制分类中的类是0和1），所以你总是预测1，然
我认为结果表明模型可能过度拟合或不拟合。最好的方法是使用列车测试拆分并检查测试数据的结果 另一个原因可能是您的数据量很小，而且两个模型都能够过拟合，所以您肯定需要进行列车测试拆分
希望这能有所帮助。如果您看到这种高精度而不进行任何调整，那么大多数情况下，基线也是超高的
如果你想做一个很好的比较，你可以建立一个虚拟分类器，它总是预测主要类（二进制分类中的类是0和1），所以你总是预测1，然后进行精度测试。这将是您的基线，如果这也是0,95，则您知道此数据集不平衡，并且您的分类器不是一个好结果。感谢您的回答，我相信k折叠交叉验证更好，与训练测试分割（即保持）相比，可以防止过度拟合。我的理解正确吗？我尝试过坚持，我得到了不同的AUC和准确性。但我想应用k折叠交叉验证。我该怎么办？K是什么，你让模型看到所有数据了吗？你不应该有K个结果吗？我把K设为10，然后计算平均准确度和平均AUC