什么是交叉验证？交叉验证目的是什么？

什么是交叉验证？
交叉验证就是将拿到的训练数据，分为训练和验证集。以下图为例：将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证。

我们之前知道数据分为训练集和测试集，但是为了让从训练得到模型结果更加准确。做以下处理

1.训练集：训练集+验证集

2.测试集：测试集

交叉验证目的：为了让被评估的模型更加准确可信

什么是网格搜索(Grid Search)?

通常情况下，有很多参数是需要手动指定的(如k-近邻算法中的K值)，这种叫超参数。但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。
交叉验证，网格搜索(模型选择与调优)API：

　sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)

　　1.对估计器的指定参数值进行详尽搜索

　　2.estimator：估计器对象

　　3.param_grid：估计器参数(dict){“n_neighbors”:[1,3,5]}

　　4.cv：指定几折交叉验证

　　5.fit：输入训练数据

　　6.score：准确率

　结果分析：

　　1.bestscore__:在交叉验证中验证的最好结果

　　2.bestestimator：最好的参数模型

　　3.cvresults:每次交叉验证后的验证集准确率结果和训练集准确率结

ORB算法在opencv中实现方法

fast算法原理和实现方法【Open CV教程】

bagging集成与boosting集成的区别？

黑马程序员ai人工智能开发培训班