模型评估_模型评估方法

异世界.png

[TOC]

模型评估方法

Holdout检验

Holdout检验是最简单也是最直接的验证方法，它将原始的样本集合随机划分成训练集和验证集两部分。

比方说，对于一个点击率预测模 型，我们把样本按照70%~30%的比例分成两部分，70%的样本用于模型训练；30%的样本用于模型验证，包括绘制$ROC$曲线、计算精确率和召回率等指标来评估模型性能。

Holdout 检验的缺点很明显，即在验证集上计算出来的最后评估指标与原始分组有很大关系。

为了消除随机性，研究者们引入了“交叉检验”的思想。

交叉验证

k-fold交叉验证:

1. 首先将全部样本划分成k个大小相等的样本子集；

2. 依次遍历这k个子集，每次把当前子集作为验证集，其余所有子集作为训练集，进行模型的训练和评估；

3. 最后把k次评估指标的平均值作为最 终的评估指标。在实际实验中，k经常取10。

留一验证: 每次留下1个样本作为验证集，其余所有样本作为测试集。

样本总数为$n$，依次对$n$个样本进行遍历，进行$n$次验证，再将评估指标求平均值得到最终的评估指标。

在样本总数较多的情况下，留一验证法的时间开销极大。

事实上，留一验证是留p验证的特例。留$p$验证是每次留下$p$个样本作为验证集，而从$n$个元素中选择$p$个元素有$C$种可能，因此它的时间开销更是远远高于留一验证，故而很少在实际工程中被应用。

自助法

不管是Holdout检验还是交叉检验，都是基于划分训练集和测试集的方法进行模型评估的。

然而，当样本规模比较小时，将样本集进行划分会让训练集进一步减小，这可能会影响模型训练效果。

有没有能维诗训练集样本规模的验证方法呢？自助法可以比较好地解决这个问题。 自助法是基于自助采样法的检验方法。

对于总数为$n$的样本集合， 进行$n$次有放回的随机抽样，得到大小为$n$的训练集。

$n$次采样过程中， 有的样本会被重复采样，有的样本没有被抽出过，将这些没有被抽出的样本作为验证集，进行模型验证，这就是自助法的验证过程。