提问人：Nawal Daftardar 提问时间：11/14/2023 更新时间：11/14/2023 访问量：35
将我的数据拆分为 60/40 比 80/20 更好
Splitting my data into 60/40 is better than 80/20
问：
我正在使用 WEKA 使用分类（SMO 算法）来训练我的数据。 这是我的数据集：在线购物者意向数据集
问题是，当我使用拆分验证并将数据拆分为 60/40 时，准确率为 87.7129%，而当我将其拆分为 80/20 时，准确率为 87.1452%。 [这是60/40分割的截图]（https://i.stack.imgur.com/JI4H5.png） [这是80/20拆分的截图]（https://i.stack.imgur.com/kv1Mb.png)
我很困惑，因为据我所知，我知道 80% 的拆分应该比 60% 的拆分更好。 我能做些什么来解决这个问题？
答：
1赞
Vishesh Thakur
11/14/2023
#1
一个常见的误解是，更大的训练集总是会带来更好的模型性能。虽然拥有更多数据通常可以帮助模型学习，但 80/20 的拆分并不总是优于 60/40 的拆分。
模型在测试集上的性能由多种因素决定，包括模型的复杂性、测试集的代表性以及数据中的固有噪声。如果你的 60/40 拆分恰好导致测试集更能代表整体数据分布，或者它只是包含噪声较小的示例，那么它很可能会带来更高的准确性。
对模型性能进行更可靠的估计的一种方法是使用交叉验证。这涉及将数据拆分为“k”个子集，并训练/测试模型“k”次，每次使用不同的子集作为测试集，其余数据作为训练集。然后，所有“k”个试验的平均性能将用作模型真实性能的估计值。
评论