Machine learning 提前停车

我试图理解官方文档中逻辑回归的代码，但我很难理解以下代码的逻辑，我有一个问题，我们如何在ANN和mini batch上应用k-fold交叉验证

{#提前停止参数
耐心=5000#不管怎样，看看这么多例子
耐心增加=2#当一个新的最佳状态出现时，等待的时间要长得多
#发现
改善_阈值=0.995#这一数字的相对改善是
#被认为是重要的
验证频率=最小值（n列批次，耐心/2）
#经历这么多
#检查网络前的小批量
#在验证集上；在本例中，我们
#检查每个时代
最佳参数=无
最佳验证损失=numpy.inf
测试分数=0。
开始时间=time.clock（）
完成循环=错误
历元=0
而（历元如果你的问题过于宽泛。问更具体的问题！关于ANN的k-fold交叉验证：它与任何其他算法（如svm或knearestneighbors或其他任何算法）没有区别.你的问题太广泛了。问更具体的问题！关于ANN的k-fold交叉验证：它与任何其他算法（如svm或knearestneighbors或其他任何算法）没有区别。