Python 评估k倍交叉验证与保留数据的准确性
我观察到,应用Python 评估k倍交叉验证与保留数据的准确性,python,machine-learning,cross-validation,k-fold,Python,Machine Learning,Cross Validation,K Fold,我观察到,应用分层折叠后的平均准确度高于保持数据的准确度。我想知道在这种情况下,这是否是一种过度合身的迹象,如果是,有人能解释一下吗 holdout模型的准确率约为95.7%,分层折叠集的准确率为96.3%。我不理解你的第二段,但是的。当训练精度高于验证精度时,表示过拟合。然而,情况总是如此(除非幸运)。少量的过度装配是完全正常的,就像你的情况一样 顺便说一句,这个问题更适合datascience.stackexchange或crossvalidated.stackexchange。重新表述了这
分层折叠后的平均准确度
高于保持数据的准确度
。我想知道在这种情况下,这是否是一种过度合身的迹象,如果是,有人能解释一下吗
holdout
模型的准确率约为95.7%,分层折叠集的准确率为96.3%。我不理解你的第二段,但是的。当训练精度高于验证精度时,表示过拟合。然而,情况总是如此(除非幸运)。少量的过度装配是完全正常的,就像你的情况一样
顺便说一句,这个问题更适合datascience.stackexchange或crossvalidated.stackexchange。重新表述了这个问题