Cross-Validation
使用 k 折交叉驗證時，我們是否需要測試集？
我一直在閱讀有關 k-fold 驗證的內容，我想確保我了解它是如何工作的。
我知道對於holdout方法，數據被分成三組，測試集僅用於最後評估模型的性能，而驗證集用於調整超參數等。
**在k-fold方法中，我們最後是否還保留一個測試集，**只使用剩餘數據進行訓練和超參數調優，即我們將剩餘數據分成k折，然後使用訓練後的平均準確率每次折疊（或我們選擇調整超參數的任何性能指標）？還是我們根本不使用單獨的測試集，而只是將整個數據集分成 k 折（如果是這種情況，我假設我們只是將 k 折上的平均準確率視為我們的最終準確率）？
在K-Fold方法中，我們最後是否還保留一個測試集，只使用剩餘的數據進行訓練和超參數調優（即我們將剩餘的數據分成k折，然後使用之後的平均準確率）每次折疊（或我們選擇的任何性能指標）進行訓練以調整我們的超參數）？
是的。作為一項規則，測試集永遠不應該用來改變你的模型（例如，它的超參數）。
然而，交叉驗證有時可以用於超參數調整以外的目的，例如確定訓練/測試拆分對結果的影響程度。