如果K折交叉验证中的K太小怎么办？

Question

使用比数据集太小的K值会带来什么后果？

Answer 1

K的值指定您计划将数据集拆分为的折叠数。较小的K值意味着将数据集分为更少的部分，但每个部分都包含更大的百分比。

获取具有100行的数据集。

• 2折交叉验证-每折将包含50行。
• 10折交叉验证-每折将包含10行。

这样，在训练时，10折交叉验证将具有90-10的火车测试成绩，而2折交叉验证将具有50-50的火车测试成绩。

使用更多的折痕，将为模型提供更多的数据进行训练，但由于需要训练和验证K的不同时间，因此需要更多的时间。

Answer 2

K折交叉验证中的K表示我们要分割训练数据并在给定的有限训练数据上执行K次重新采样的次数相等。

正值：

• 即使数据有限，也可以开发出良好的模型。
• 我们获得超参数的最优值（KNN中的k，朴素贝叶斯中的alpha，等等），这为我们提供了最佳性能指标（准确性，AUC，精度等）。

否定词：

• 当我们训练模型K次时，计算最佳超参数所需的时间增加了K次。