机器学习第十九讲：交叉验证 → 用五次模拟考试验证真实水平
机器学习第十九讲：交叉验证 → 用五次模拟考试验证真实水平
资料取自《零基础学机器学习》。
查看总目录：学习大纲
关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeek R1本地与线上满血版部署：超详细手把手指南
交叉验证是模型考试的防作弊系统，通过多次划分考卷验证真实能力[^8-2]。通过驾校考试案例详解：
一、核心原理（驾照科目模拟考）
假设驾校有100名学员的考试数据，采用5折交叉验证：
考试流程：
- 将100人分5组（每组20人）
- 4组当题库，1组当考题 → 五轮考试不重复 [参考材料3]
- 最终成绩 = (88%+85%+90%+92%+87%)/5 = 88.4%
类比说明：就像高考前五套模拟卷覆盖全部知识点，比单次考试更客观[^3]
二、操作步骤（心脏病预测案例）
数据集：300例患者数据（200例患病，100例健康）
代码实现：
from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)
print("平均准确率:", scores.mean()) # 输出：86.2%
关键优势：避免因单次抽题偏差（如考题全是疑难病例）影响评估[^3]
三、分场景应用（不同考试模式对比）
| 验证方式 | 特点 | 适用场景 | [参考材料3] |
|----------------|---------------------------|-----------------------|
| 简单划分验证 | 快速但成绩波动大 | 大数据集初步筛选 |
| 5折交叉验证 | 均衡效率与准确性 | 中小数据集标准流程 |
| 10折交叉验证 | 更精准但耗时增加10倍 | 精细调参研究 |
案例对比：
- 单次验证成绩：92%（可能抽到简单题）
- 5次交叉验证：88.4%（反映真实水平）
- 实际考试结果：86%（接近交叉验证均值）[^2]
四、注意事项（防止无效验证）
- 数据打乱：需先随机排序，避免时间顺序干扰 [参考材料3]
from sklearn.utils import shuffle X, y = shuffle(X, y, random_state=0) - 分层抽样：保持正负样本比例相同，如每组保持2:1病患健康比例[^3]
- 避免泄漏：预处理步骤（如标准化）应在每次训练时重新计算[^5]
典型错误：
目录：总目录
上篇文章：机器学习第十八讲：混淆矩阵 → 诊断模型在医疗检查中的误诊情况
[2][3][^5]《零基础学机器学习》第八章第三节验证方法
[^8-2]《零基础学机器学习》第八章第三节验证方法