machine-learning - 使用交叉验证提高准确性，不使用交叉验证降低准确性

Question

我有一个关于交叉验证的问题：我正在使用朴素贝叶斯分类器按作者对博客文章进行分类。当我在没有 k 折交叉验证的情况下验证我的数据集时，我得到 0.6 的准确度分数，但是当我进行 k 折交叉验证时，每个折页都会呈现更高的准确度（大于 0.8）。

例如：

（手动拆分）：验证集大小：1452，训练集大小：13063，准确度：0.6033057851239669

进而

（使用 k 折叠）：折叠 0 -> 训练集大小：13063，验证集大小：1452 准确度：0.8039702233250621（所有折叠都超过 0.8）

ETC...

为什么会这样？

Answer 1

发生这种情况的原因有几个：

1. 您的“手动”拆分不是随机的，您碰巧选择了更多难以预测的异常值。你怎么做这个分裂？

2. 什么是kin k-fold CV？我不确定您所说的验证集大小是什么意思，您在 k-fold CV 中有一个折叠大小。没有验证集，您使用整个数据运行交叉验证。你确定你正确地运行了 k 折交叉验证吗？

通常，选择k = 10k 折交叉验证。如果您使用整个数据正确运行它，您应该依赖它的结果而不是其他结果。