《表4 对比不同交叉验证方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《超分辨图像质量评价综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

常见的交叉验证有三种方法:第一种为Hold-Out方法，该方法将原始数据随机分成两组，一组为训练集，另一组为测试集。利用训练集训练得到评价模型，再用测试集测试模型，测试集所得到的性能指标即为模型的性能指标。第二种为K折交叉验证（K-fold Cross Validation，K-CV），该方法首先将整个数据集平均分成K组，然后将每组数据分别作为一次测试集，剩余的K-1组数据作为训练集，可以得到K个模型。计算K个模型中每个测试集得到的平均指标即为整个模型的性能指标。通常K值选取大于等于2，当K取2时，即为Hold-Out方法。第三种为留一交叉验证（Leave-One-Out Cross Validation，LOO-CV），一般假设某个数据集有M个样本，将每个样本单独作为测试集，剩余的M-1个样本作为训练集，可以得到M个模型。M个模型中每个测试集的平均性能指标作为整个模型的性能指标。表4对比了不同交叉验证方式的优点和不足。