在前面，我們聊到了logistic迴歸和cox迴歸，詳見：

預測模型篇1：logistic迴歸；

預測建模篇2：關於COX列線圖的繪製。

模型驗證談到了是3：7比例劃分，但是，有時候樣本量不足，做出來的模型不盡完美，且病例數利用度不高，略顯不足。今天，我們用R語言來看看K折驗證法，能夠最大程度的利用資料，幫我們解決科研難題！

K折交叉驗證（K-Fold Cross Validation）

把資料集分成K份，每個子集互不相交且大小相同，依次從K份中選出1份作為驗證集，其餘K-1份作為訓練集，這樣進行K次單獨的模型訓練和驗證，最後將K次驗證結果取平均值，作為此模型的驗證誤差。當K=m時，就變為留一法。可見留一法是K折交叉驗證的特例。

留一法（Leave One Out Cross Validation，LOOCV）

假設資料集一共有m個樣本，依次從資料集中選出1個樣本作為驗證集，其餘m-1個樣本作為訓練集，這樣進行m次單獨的模型訓練和驗證，最後將m次驗證結果取平均值，作為此模型的驗證誤差。

之後我們對traini資料集進行各種統計就好啦，本期分享此結束~

— THE END —