如题，有没有快速一点的方法，我如果要做多折交叉验证，应该怎么去划分数据集
欢迎选择我的课程，让我们一起见证您的进步~~
平均分成10份，循環10次，每次選1份作為測試集，9份做訓練集
一般來講，做cross validation的時候，大家會把k設為5或10。也就是說，將資料（隨機）分成k份，其中k-1份为训练，1份做測試。不過話說回來，都要做cross validation了，應該是快不了的。
k
k-1
1
可以用3.1. Cross-validation: evaluating estimator performance
>>> from sklearn.model_selection import cross_val_score >>> clf = svm.SVC(kernel='linear', C=1) >>> scores = cross_val_score(clf, iris.data, iris.target, cv=5) >>> scores array([ 0.96..., 1. ..., 0.96..., 0.96..., 1. ])
平均分成10份，循環10次，每次選1份作為測試集，9份做訓練集
一般來講，做cross validation的時候，大家會把k設為5或10。也就是說，將資料（隨機）分成
k份，其中k-1份为训练，1份做測試。不過話說回來，都要做cross validation了，應該是快不了的。可以用3.1. Cross-validation: evaluating estimator performance