在scikit-learn中，C是正则化强度的倒数（链接）。我手动计算了三次训练，使用相同的参数和条件，但使用了三个不同的C值（即0.1、1.0和10.0）。我在验证集上比较了F分数，并确定了“最佳”C值。然而，有人告诉我这样做是错误的，因为我不应该使用验证集来优化C值。我应该如何选择正确的C值？如果我选择scikit-learn的默认C值（=1.0），有什么理由可以支持我的选择吗？
回答：
我应该如何选择正确的C值？
你应该拥有三部分的数据集：训练集、验证集和测试集。你在训练集上进行训练，在验证集上设置超参数，最后在测试集上进行评估。特别是当数据量较小时，你可以采用k折交叉验证的方式，首先使用CV进行训练-测试分割，然后在内部再进行一次分割，将训练数据进一步分为实际的训练集和验证集。
如果我选择scikit-learn的默认C值（=1.0），有什么理由可以支持我的选择吗？
除了对权重施加任意先验之外，没有其他理由（因此任何其他值也同样有理由）。
