4.4.1 内部验证 (交叉验证 Cross-Validation:留一法, K折法)

文档摘要

4.4.1 内部验证 (交叉验证 Cross-Validation:留一法, K折法) 4.4 模型评估与验证在光谱数据分析和建模过程中，构建一个能够准确预测或分类的模型仅仅是第一步。更关键的是，我们需要可靠地评估模型的性能，并验证其在新数据上的泛化能力。模型的评估与验证是确保模型可靠性、避免过拟合以及指导模型选择和优化的核心环节。4.4 章节正是围绕这一主题展开，而 4.4.1 内部验证则是利用现有数据集自身进行初步和关键评估的技术。 4.4.1 内部验证 (交叉验证 Cross-Validation: 留一法, K折法) 内部验证，顾名思义，是在不引入外部独立数据集的情况下，利用用于模型开发（训练）的同一批数据，通过巧妙的数据分割和循环评估机制，来模拟模型在新数据上的表现。