machine-learning - K-folds 我们还需要实现 train_test_split 吗？

Question

我读了很多书，对k-folds有点困惑。我理解它背后的概念，但我不确定如何部署它。

我在数据探索之后看到的通常步骤是train_test_split，对训练集进行编码和缩放fit_transform，并在测试哪些算法有效之前拟合测试集。之后他们调整超参数。

因此，如果我现在要使用 k-folds，我是否应该避免使用 train_test_split？我们在哪些地方使用 k 折叠？

谢谢！

Answer 1

不会。K-fold 将您的数据拆分为训练测试拆分K时间，以便您训练K不同的模型。

这种方法使您的模型结果更加稳健，因为您K使用数据集的不同部分训练不同的模型，并且您还可以预测数据K时间的不同部分。最后，您可以简单地取模型的平均分数K。