为什么在决策树分类中使用交叉验证？

【问题标题】：Why is cross validation used in decision tree classification?为什么在决策树分类中使用交叉验证？
【发布时间】：2018-06-30 12:56:02
【问题描述】：

我尝试学习决策树（和其他模型）时遇到了交叉验证，现在我首先认为交叉验证用于确定模型的最佳参数。例如决策树分类中的最优 max_tree_depth 或 k_nearest_neighbor 分类中的最优 number_of_neighbors。但是当我查看一些示例时，我认为这可能是错误的。

这是错的吗？

【问题讨论】：

【解决方案1】：

交叉验证用于以更准确的方式确定模型的准确性，例如在 n 折交叉验证中，您将数据划分为 n 个分区，并使用 n-1 个部分作为训练集和 1 个部分作为测试为所有分区设置并重复此操作，每个分区都将成为测试集一次）然后您对结果进行平均以更好地估计模型的准确性

【讨论】：

啊，我明白了，所以这与为您的模型寻找最佳参数无关？
@azeaze 不直接。
@NaWeeD 请小心，避免听起来权威，尤其是在处理新用户时（OP 显然是其中之一）； “不直接”作为回复是不够的，因为 CV 确实被用作模型调优过程中的一个组件