問題詳情
36. 在巨量資料分析專案中，下列何者比較無助於提升分類模型準確度(Accuracy)？
(A)使用交叉驗證(Cross-Validation)
(B)增加或減少模型參數(Parameters)以提升或降低模型複雜度
(C)進行更進一步的特徵工程(Feature Engineering)
(D)取得與使用有更多變數/特徵(Variables/Features)的訓練資料
參考答案
答案：A
難度：非常簡單1
統計：A(1),B(0),C(0),D(0),E(0)
用户評論
【用戶】Schein_地特三等上榜
【年級】大一下
【評論內容】交叉驗證，有時亦稱循環估計，是一種統計學上將數據樣本切割成較小子集的實用方法。於是可以先在一個子集上做分析，而其它子集則用來做後續對此分析的確認及驗證。一開始的子集被稱為訓練集。而其它的子集則被稱為驗證集或測試集。交叉驗證的目標是在訓練階段定義一組用於「測試」模型的數據集，以便減少像過擬合的問題，得到該模型將如何衍生到一個獨立的數據集的提示。from wiki