问交叉验证问题

EN

在回答“要做什么”的问题时，如果您使用了scikit-learn类(从sklearn.model_selection)，您可以从它中获得以下内容：

• 根据您想要的“评分”指标(例如，param_grid，recall.)，在输入“param_grid”输入的输入中找到最佳参数。
• 而最重要的一点是，您可以直接访问最佳估计器(即使用CV过程中发现的最佳超参数的模型实例)已经对整个训练数据集进行了修改。

我已经看到了一些在整个培训集上进行“手动”再培训的源代码，但是没有必要作为scikit--让我们访问整个火车组的改装模型:)

交叉验证基本上用于超参数调整。

你训练了一套模型超参数设置，并以交叉验证的平均分数作为每个模型超参数设置的近似性能。然后，最高分数的模型超参数设置将是您的模型设置的选择。这种超参数设置可以被看作是从这种模型中得到的最好的。

稍后，可以使用此模型设置测试测试数据集上的一般性能。