知识卡片
交叉验证选择模型
K 折交叉验证把可用训练数据分为 K 份,每次留出一份验证、其余用于训练,轮换 K 次并汇总各模型的验证结果。选定方案后可在完整训练数据上重新训练,再用独立测试集评估;同一测试集若反复参与选择,最终评估可能偏乐观。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 实践方法论 2.4 交叉验证 · 查看原书依据
一种能够比较合理地选择模型的方法是把训练数据分成两部分:训练集(training set)和验证集(validation set).比如将90%的数据作为训练集,而将剩余10%的数据作为验证集.在训练集上训练出来的模型会使用验证集来评估它们的效果.
参考来源
- 位置:《深度学习详解》第2章《实践方法论》2.4 交叉验证(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter02.xhtml`)
- 结论依据:原文通过训练与测试表现、数据变换或数据分布说明本卡对应判断。
- 原始内容:一种能够比较合理地选择模型的方法是把训练数据分成两部分:训练集(training set)和验证集(validation set).比如将90%的数据作为训练集,而将剩余10%的数据作为验证集.在训练集上训练出来的模型会使用验证集来评估它们的效果.