我有一组从受试者记录的数据集，因为他们执行某些特定的认知任务。数据由16个通道组成，每个通道有多个采样点，我想根据正在执行的认知任务对数据进行分类（所有内容均已标记）。
问题是我没有大量的数据（每节约60次试验，每项认知任务30次），我有2次。我正在尝试训练线性判别分析（LDA）分类器对该数据进行分类。稍后将实时使用分类器，以对每个数量的样本提供某种形式的输出。
我使用5倍交叉验证来衡量分类器的泛化误差。问题是，当我多次运行此5倍交叉验证时，得到的结果根本不是恒定的。取而代之的是，总体准确度存在显着差异（例如，前5次交叉验证可能会产生80％的平均准确度，第二次会产生65％的准确度，第三次会产生72％的平均值等）。这正常吗？如果没有，可能是什么原因？
最佳答案
听起来您可能有一些不良数据或分类器过拟合。您可以执行“留一法”交叉验证并记录结果。它可以帮助查找可能使结果有偏差的数据。
关于machine-learning - 交叉验证结果不一致，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15253472/