機器學習第十九講：交叉驗證 → 用五次模擬考試驗證真實水平
資料取自《零基礎學機器學習》。
查看總目錄：學習大綱
關于DeepSeek本地部署指南可以看下我之前寫的文章：DeepSeek R1本地與線上滿血版部署：超詳細手把手指南
交叉驗證是模型考試的防作弊系統，通過多次劃分考卷驗證真實能力[^8-2]。通過駕校考試案例詳解：
一、核心原理（駕照科目模擬考）
假設駕校有100名學員的考試數據，采用5折交叉驗證：
考試流程：
- 將100人分5組（每組20人）
- 4組當題庫，1組當考題 → 五輪考試不重復 [參考材料3]
- 最終成績 = (88%+85%+90%+92%+87%)/5 = 88.4%
類比說明：就像高考前五套模擬卷覆蓋全部知識點，比單次考試更客觀[^3]
二、操作步驟（心臟病預測案例）
數據集：300例患者數據（200例患病，100例健康）
代碼實現：
from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)
print("平均準確率:", scores.mean()) # 輸出：86.2%
關鍵優勢：避免因單次抽題偏差（如考題全是疑難病例）影響評估[^3]
三、分場景應用（不同考試模式對比）
| 驗證方式 | 特點 | 適用場景 | [參考材料3] |
|----------------|---------------------------|-----------------------|
| 簡單劃分驗證 | 快速但成績波動大 | 大數據集初步篩選 |
| 5折交叉驗證 | 均衡效率與準確性 | 中小數據集標準流程 |
| 10折交叉驗證 | 更精準但耗時增加10倍 | 精細調參研究 |
案例對比：
- 單次驗證成績：92%（可能抽到簡單題）
- 5次交叉驗證：88.4%（反映真實水平）
- 實際考試結果：86%（接近交叉驗證均值）[^2]
四、注意事項（防止無效驗證）
- 數據打亂：需先隨機排序，避免時間順序干擾 [參考材料3]
from sklearn.utils import shuffle X, y = shuffle(X, y, random_state=0) - 分層抽樣：保持正負樣本比例相同，如每組保持2:1病患健康比例[^3]
- 避免泄漏：預處理步驟（如標準化）應在每次訓練時重新計算[^5]
典型錯誤：
目錄：總目錄
上篇文章：機器學習第十八講：混淆矩陣 → 診斷模型在醫療檢查中的誤診情況
下篇文章：機器學習第二十講：網格搜索 → 像嘗試所有密碼組合找最佳解鎖方式
[2][3][^5]《零基礎學機器學習》第八章第三節驗證方法
[^8-2]《零基礎學機器學習》第八章第三節驗證方法
