我目前正在参加几场 Kaggle 机器学习竞赛，我有一个简单的问题。为什么我们使用交叉验证来评估我们的算法在这些比赛中的有效性？
在这些比赛中，您在公共(public)排行榜上的得分(您的算法根据实际实时数据进行测试)肯定会让您更准确地表示您的算法功效吗？
最佳答案
交叉验证是模型构建的必要步骤。如果交叉验证给出的结果很差，那么即使在实时数据上尝试也是没有意义的。您正在训练和验证的数据集也是实时数据，不是吗？所以，结果应该是相似的。如果不验证您的模型，您就无法深入了解其性能。在训练集上给出 100% 准确度的模型可以在验证集上给出随机结果。
让我重申一下，交叉验证并不能替代实时数据测试，它是模型构建过程的一部分。
关于machine-learning - 为什么要使用交叉验证？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21445750/