交叉验证（Cross Validation）是常用的一种用来评估模型效果的方法。
当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这导致模型在测试集上的效果远低于训练集。
通过本文，你将通过一个kaggle的比赛实例了解到，样本分布变化如何影响建模，如何通过对抗验证辨别样本的分布变化，以及有哪些应对方法。
当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这时候需要其他构造验证集的方法来应对。
交叉验证（Cross Validation）是常用的一种用来评估模型效果的方法。
当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这导致模型在测试集上的效果远低于训练集。
通过本文，你将通过一个kaggle的比赛实例了解到，样本分布变化如何影响建模，如何通过对抗验证辨别样本的分布变化，以及有哪些应对方法。
当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这时候需要其他构造验证集的方法来应对。