【新】在线运行 Numpy 学习数据处理

【浏览器里运行Python】交互式Python学习

【Rethink】莫烦的思考沉淀

切换视频源：

交叉验证 1 Cross-validation

作者: Bhan 编辑: 莫烦 2016-11-03

学习资料:

Sklearn 中的 Cross Validation (交叉验证)对于我们选择正确的 Model 和 Model 的参数是非常有帮助的，有了他的帮助，我们能直观的看出不同 Model 或者参数对结构准确度的影响。

Model 基础验证法¶

可以看到基础验证的准确率为0.973684210526

Model 交叉验证法(Cross Validation)¶

可以看到交叉验证的准确平均率为0.973333333333

一般来说准确率(accuracy)会用于判断分类(Classification)模型的好坏。

从图中可以得知，选择12~18的k值最好。高过18之后，准确率开始下降则是因为过拟合(Over fitting)的问题。

一般来说平均方差(Mean squared error)会用于判断回归(Regression)模型的好坏。

由图可以得知，平均方差越低越好，因此选择13~18左右的K值会最好。

莫烦经常从互联网上学习知识，开源分享的人是我学习的榜样。他们的行为也改变了我对教育的态度: 降低知识传递的门槛。免费奉献我的所学正是受这种态度的影响。通过【赞助莫烦】能让我感到认同，我也更有理由坚持下去。