使用交叉验证的 Rapidminer 决策树

Question

我正在使用十折交叉验证运算符。我是第一次使用 rapidminer，所以有些困惑，结果我会得到 10 个决策树。我已经读过准确度是所有结果的平均值，所以最终输出是什么。平均？

Answer 1

交叉验证的目的是输出关于模型在呈现看不见的数据时将产生的性能的预测。

对于 10 折的情况，数据被分成 10 个分区。有 10 种可能的方法可以获取 9/10 的数据来制作训练集，这些方法用于构建 10 个模型。这些模型应用于剩余的 1 个分区以产生性能估计。 10 次表演是平均的。最终结果是一个平均值，它是对模型在未见过数据上的性能的合理估计。

剩下的问题是模型是什么？最佳答案是使用基于所有数据构建的模型，并假设它与用于生成平均估计值的 10 个模型足够接近。