Kfold 交叉验证和 GridSearchCV

Question

好吧，我试图了解如何以及在算法中的哪个点应用 Kfold CV 和 GridSearchCV。另外，如果我理解正确的话，GridSearchCV 用于超参数调整，即参数的哪些值将给出最佳结果，而 Kfold CV 用于更好的泛化，以便我们在不同的折叠上进行训练，从而在数据有序的情况下减少偏差以某种特定的方式，从而增加普遍性。现在的问题是，GridSearchCV 是否也使用 CV 参数进行交叉验证。那么为什么我们需要 Kfold CV，如果需要的话我们是否在 GridSearchCV 之前进行呢？对该过程的一些概述将非常有帮助。

Answer 1

GridSearchCV是比 更高级别的构造KFold。前者使用后者（或其他类似的东西）。

KFold是一个相对较低级别的构造，它为您提供一系列训练/测试索引。您可以使用这些索引执行多项操作，包括查找模型的 OOB 性能和/或调整超参数（基本上以某种方式基于 OOB 性能搜索超参数）。

GridSearchCV是一个更高级别的构造，它采用KFold像（在其参数中）这样的 CV 引擎cv。它使用 CV 引擎来搜索超参数（在本例中，使用参数的网格搜索）。