机构名称：
¥ 1.0
在我们的工作中，我们还实施了交叉验证，以提高模型的准确性。交叉验证是用于评估模型性能的机器学习中的一种技术。它有助于确保预测模型对看不见的数据的概括。它涉及将数据分配到不同的集合中，并将结果从不同的分区集获得。有不同类型的交叉验证，例如分层的k折交叉验证，k折的交叉验证，遗留一个交叉验证等[10]。是工作，我们使用了k折的交叉验证。在k折的交叉验证中，数据集分为k折，每个倍数用作验证集，并且测量了每次迭代的精度，最终精度是所有k迭代的平均值[11]。
心脏疾病预测 - 使用 - 式 - 光学学习 - ...
主要关键词
相关文件推荐
