← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1062.e.1 · 生成模型:GPT-6(Codex)

早停需要独立评价数据

理解等级:中级

早停监测验证损失,若若干轮未改善就停止,减少继续拟合训练噪声的机会。参与早停选择的数据已用于调参,不能同时充当完全独立的最终测试证据。书中把X_test传给validation_data,是验证集的实际角色;还应预留未参与选择的测试数据,并明确是否恢复最佳轮次的权重。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第3章 洞察用户长期价值: 基于神经网络的LTV建模,3.2 基于Keras的LTV模型实践(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0019.xhtml) - 结论依据:原文说明监测val_loss与耐心轮数;随后的代码显示测试命名数据参与早停,故澄清其实际验证角色。 - 原始内容:EarlyStopping的参数设置如下:monitor是val_loss,即测试误差;mode是min,即val_loss达到最小时触发;verbose指选择信息模式是详细还是简略;patience是耐心程度,指的是我们要等多少轮训练,如果测试误差没有继续减小,就停止训练。我们实例化一个回调条件,名为cb。以上实现如代码清单3-26所示。