【发布时间】：2018-06-22 19:37:37
【问题描述】：
我已经了解了如何从训练集中保留一些数据（用于调整模型参数的开发数据）以及 k 折交叉验证。我有一个关于它们的问题，我们可以在所有机器学习算法（如决策树和朴素贝叶斯）中使用它们吗？或者使用它们有限制吗？为了获得更好的结果，在决策树和朴素贝叶斯中使用它们是否比使用它们的纯算法更好？ 任何帮助将不胜感激。
【问题讨论】：
-
什么是“他们的纯算法”？？？
-
我的意思是没有这些东西的简单算法。
-
你仍然没有意义（你的问题也是）；什么是“这些东西”？？
-
指开发数据和k-fold交叉验证：\
-
我可以阅读，但这并不意味着我阅读的内容（即您所写的内容）有意义；我知道训练数据、验证数据、测试数据等，但不知道“开发数据”……所以，“这些东西”指的是开发数据和 k-fold CV，你想象有一些“纯算法” ，比 DT & NB 更简单，没有“这些东西”。很明显，您实际上并不热衷于在这里获得任何帮助，祝您好运...
标签： machine-learning classification cross-validation