如何解决二进制分类中的交叉验证和特征选择
这是一个理论上的问题，因为我认为我对交叉验证的实际作用尚不明确。 我正在解决二进制分类问题。我有n个要素，我想从n个要素要素中选择一个子集，以获取roc_auc_score的最大值。 我有15个功能，并且提供了详尽的搜索功能，因此可以找到最佳的解决方案。 问题-我需要在这里进行交叉验证吗？因为我已经找到全局最大值，所以它没有用吗？ 交叉验证是否仅在超参数设置中有所帮助，并且通过在火车组的不同参数处多次拟合模型来避免过拟合？
解决方法
您正在为我们提供解决方案，并正在寻找解决问题的方法。接下来您到底想做什么？
- 训练您的模特吗？使用完整的训练数据集即可做到。
- 找到适合您问题的最佳超参数？对具有不同超参数集的训练数据集进行交叉验证。
- 找出您的模型是否过拟合？在训练数据集上进行训练，在测试或验证数据集上进行测试。这些数据集不应有任何重叠。您可以使用
SetIPAndPort
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。