我读了很多书，对k折感到有些困惑。我了解其背后的概念，但不确定如何部署它。
在数据探索之后，我通常会看到的通常步骤是train_test_split，对训练集进行编码和缩放fit_transform，然后在测试哪种算法有效之前就先对测试集进行拟合。之后，他们调整超参数。
因此，如果现在要使用k折，是否要避免使用train_test_split？我们在哪个位置使用k折？
谢谢！
最佳答案
不可以。K折将您的数据分为训练测试的K次，因此您可以训练K不同的模型。
这种方法使您的模型结果更加可靠，因为您可以用数据集的不同部分训练K不同的模型，并且还可以预测数据的不同部分K的时间。最后，您可以简单地获取K模型的平均分数。
关于machine-learning - 我们仍然需要K折实现train_test_split吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59825955/