独立测试与交叉测试

独立测试与交叉测试的区别在于数据的划分，不在于是否寻优。

算法：比如随机森林

模型：比如使用随机森林，进行参数寻优，在一组特定数据中训练得到最优参数的算法（模型只接触过训练集）

评价模型：使用测试集评价，有独立测试、交叉测试。

• 独立测试：将数据集单次划分为训练集和测试集，训练集用于训练，测试集用于测试最后模型好坏结果。一般，训练集0.75，测试集0.25。

• 交叉测试（Cross-Validation）：也就是交叉验证，比如常见的 k 折交叉验证，将数据集先划分为 K 份，比较常见的为 5 或 10 份，一份数据作为测试集，另外几份作为训练集，循环五次，即每一份数据都作为过测试集，也就是会得到五个模型精度，取均值作为该算法的评价。五折交叉中训练集比例为 4/5，即 0.8，交叉测试训练集比例高于独立测试，所以交叉测试结果会比独立测试结果好。

参考文章

无