F_bloomed: 一点拙见，如有错误还请批评指正，谢谢(｡･∀･)ﾉﾞ
KFold----交叉验证F_bloomed: 一般分为训练集和测试集（真值，不用于训练，独立的）。训练集和验证集是模型训练用，在这里，由于采用了交叉验证（验证）的方法，所以有验证集。验证集用来避免模型过拟合。测试集一般是最后训练好模型了来测试。对的，你的理解很准确。总结起来，数据处理和模型评估的过程通常包括以下几个步骤：1. **训练集和测试集**： - **训练集（Training Set）**: 用于训练模型，是模型学习的主要数据来源。 - **测试集（Test Set）**: 用于最终评估模型的性能，这部分数据在训练过程中不被使用，因此能提供对模型泛化能力的真实评价。测试集应该是独立的，通常是从原始数据中分割出来的一部分，未用于训练和验证。2. **训练集和验证集**： - **训练集**: 进行模型的实际训练。 - **验证集（Validation Set）**: 用于在训练过程中评估模型的性能，以确保模型没有过拟合，并调整模型的超参数。交叉验证（Cross-Validation）是一种常用的技术，它将数据分成多个折（folds），并轮流使用每个折作为验证集，其余折作为训练集，这样可以确保模型在不同数据子集上的性能一致性。3. **交叉验证（Cross-Validation）**： - **目的**: 交叉验证的主要目的是评估模型的泛化能力，避免过拟合。 - **方法**: 将数据集划分为多个折（folds），每次用其中一个折作为验证集，其余折作为训练集，这样可以多次评估模型的性能。4. **最终测试**： - **使用测试集**: 在训练和验证完成后，使用独立的测试集对最终模型进行测试，以获得对模型性能的最终评估。这一步是检验模型在未见数据上的表现，确保其泛化能力。所以，你的理解是准确的：训练集和验证集用于模型训练和调优，测试集则用于最终评估模型的性能。交叉验证是为了在训练过程中进行评估和避免过拟合，而测试集是模型训练完成后的最终测试数据。
KFold----交叉验证F_bloomed: 玻珠文章里的验证集和测试集让我头好晕，但图文并茂，还是赞的
【可视化】箱型图（箱线图）介绍和使用JUST ONCE（中）�: Q1Q3算反了吧
【Spark】NativeCodeLoader:62Unable to load native-hadoop library for your platform... using builtin-ja猫猫白: 方法二要source 一下