使用交叉验证提高准确性，不使用交叉验证降低准确性

Question

我有一个关于交叉验证的问题：我正在使用朴素贝叶斯分类器按作者对博客文章进行分类。当我在没有 k 折交叉验证的情况下验证我的数据集时，我得到了 0.6 的准确度得分，但是当我进行 k 折交叉验证时，每折都呈现更高的准确度（大于 0.8）。

例如：

（手动拆分）：验证集大小：1452，训练集大小：13063，准确度：0.6033057851239669

然后

（使用 k 折叠）：折叠 0 -> 训练集大小：13063，验证集大小：1452 准确度：0.8039702233250621（所有折叠都超过 0.8）

等等……

为什么会这样？

Answer 1

发生这种情况的原因有几个：

1. 您的“手动”拆分不是随机的，您碰巧选择了更多难以预测的异常值。你是如何进行这种拆分的？

2. k-fold CV 中的k 是什么？我不确定您所说的验证集大小是什么意思，您在 k-fold CV 中有一个折叠大小。没有验证集，您使用整个数据运行交叉验证。您确定您正在正确运行 k 折交叉验证吗？

通常，选择k = 10 进行 k 折交叉验证。如果您使用整个数据正确运行它，您应该依赖它的结果而不是其他结果。