我目前正在處理很容易過度擬合的數據，因此我通過測試每個深度的 roc_auc 分數來編寫函數，因為我在 sklearn 上讀到 max_深度通常是樹過度擬合的原因。但我不確定我的想法是否正確，這里有我的結果圖片：我也嘗試使用后修剪方法，但我的圖表看起來與我在互聯網上找到的其他圖表有很大不同，所以我不確定它給了我什么
1 回答
尚方寶劍之說
TA貢獻1788條經驗 獲得超4個贊
您正在尋找的術語是交叉驗證?；舅枷牒芎唵危簩祿殖捎柧毤万炞C（或測試）集。然后，您在訓練集上訓練模型并在驗證集上測試它。如果您的模型過度擬合，它將在訓練集上表現良好，但在驗證集上表現不佳。在這種情況下，最好降低模型復雜性或添加所謂的正則化（例如樹修剪）。
注 1：在某些情況下（例如在神經網絡中），同時存在驗證集和測試集（除了訓練集之外）。我不會在這里詳細介紹，但請不要與不同上下文中的這些術語相混淆。
注2：交叉驗證是一個非常標準的事情，它甚至給另一個StackExchange站點起了一個名字——Cross?Validated，在這里你可以得到更多關于統計數據的答案。另一個也許更合適的網站有一個不言自明的名稱——數據科學。
添加回答
舉報
0/150
提交
取消