本文作者：王 歌

文字编辑：戴 雯

技术总编：张 邯Python云端培训课程火热招生中~重大通知！！！爬虫俱乐部于2020年7月11日至14日在线上举行为期四天的Stata编程技术定制培训，招生工作已经圆满结束啦！！！

另外，应广大学员需求，爬虫俱乐部将于2020年7月25日至28日在线上举行Python编程技术训练营，本次培训采用理论与案例相结合的方式，帮助大家在掌握Python基本思想的基础上，学习科学计算技术与网络数据抓取技术，详情可点击《Python云端培训课程开始报名~》，或点击文末阅读原文直接提交报名信息呦~导读前面我们在举例时，通常是将所使用的数据集按照75%和25%的比例划分为训练集和测试集，这主要是为了我们举例方便，同时划分后的数据量也依然符合大样本的要求。其实在机器学习中还有其他划分数据集的方法，可以在本身数据总量就比较小时使模型达到很好的效果，我们今天介绍的交叉验证法就是比较常用的方法，它在我们将要介绍的集成学习的Stacking算法中经常使用到。

1方法介绍我们往往会得到多个模型，而最终选择的模型必定是泛化能力强，也就是在未知的新数据上效果最好的模型，因此我们在训练模型前就要将我们所掌握的数据进行划分，严格来说一般会划分为训练集、验证集和测试集，在训练集上进行训练模型，在验证集上试验效果、调整参数设置，在测试集上进行最终的测试。为了保证最终的效果，这三个集合不能有交集，常见的比例是8:1:1。当然，通常我们只有训练集和测试集也是可以的，前面我们使用的样例数据集只有几