论文部分内容阅读
摘要：K-fold交叉验证（CV）是估计机器学习模型真实性能的常用方法。CV的过程需要数据的隨机划分，因此性能评估实际上是随机的，具有可变性，这对于自然语言处理任务是非常重要的。所以建议使用较少变化的J-K-fold CV，其中J个独立的K-fold交叉验证用于评估性能。实验结果表明，通过重复的J-K-fold交叉验证进行调优能减少方差。
关键词：J-K-fold交叉验证;自然语言处理;调优
中图分类号：TP393
关键词：J-K-fold交叉验证;自然语言处理;调优
中图分类号：TP393