CV曲线就是评估分类器好坏的折线图对吧？爱好者来说就是拿数据分成多份交叉验证计算每次的准确率然后连起来看趋势比如分成5份的话每份用4份训练剩下的1份测试然后换次序测试所有份这样算5次准确率取平均连成线看准确率是先升后降还是稳住

为啥是这个答案呢？因为交叉验证能防止数据过拟合对吧？比如用1000条数据分成5折的话每次训练集有800条测试集200条这样算下来平均准确率85%左右如果准确率在5折到10折之间波动说明模型稳定但要是准确率突然飙升到92%再降到78%那肯定过拟合了就像之前测试的猫狗识别模型用5折时准确率91%但10折时掉到75%明显数据太少分太多份了得加数据量才行

CV曲线就是评估分类器好坏的折线图对吧爱好者来说就是拿数据分成多份交叉验证计算每次的准确率然后连起来看趋势比如分成5份的话每份用4份训练剩下的1份测试然后换次序测试所有份这样算5次准确率取平均连成线看准确率是先升后降还是稳住

CV曲线就是评估分类器好坏的折线图对吧爱好者来说就是拿数据分成多份交叉验证计算每次的准确率然后连起来看趋势比如分成5份的话每份用4份训练剩下的1份测试然后换次序测试所有份这样算5次准确率取平均连成线看准确率是先升后降还是稳住

CV曲线就是评估分类器好坏的折线图对吧爱好者来说就是拿数据分成多份交叉验证计算每次的准确率然后连起来看趋势比如分成5份的话每份用4份训练剩下的1份测试然后换次序测试所有份这样算5次准确率取平均连成线看准确率是先升后降还是稳住