Cross validation是哪位？

cross validation是我们在建模时常常要使用的方法，主要的功能是避免overfitting的问题， 也是我们调参数後可以互相评估比较的手法，今天来聊聊cross validation的种类～

在切割资料时，我们常做train-test split，把资料切成两组，使用training做模型，test做验证，而cross validation就是用不同的方法切割资料很多次，每次利用不同的资料训练模型，常见的方法有：

1. Leave-one-out cross validation: 最极端的切割方法，将每个资料点轮流当成test，剩余当成train，用这个方法训练模型代表要花费n-1倍的时间（n是data size），假设今天有十个资料点，这个方法就会建立十个不同的模型再平均他们的表现。

2. K-fold cross validation: 比较常见的方法，也就是把资料随机分成k组，每次拿一组当成test，剩余组当成train，当你设定k=n，就等於在执行leave-one-out cv。一般会把K设定为5-10的范围。另外一个会听到的名词是"stratified"，也就是下方的右图，stratified是发生在如果资料里有类别变数，这种方法会确保在每一个组里类别变数的比例是一致的。