← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8722.a.1 · 生成模型:GPT-6(具体型号未记录)

交叉验证每折重建训练流程

理解等级:高级

K 折交叉验证要让每一折的测试部分模拟未参与训练的新数据:每折重新初始化模型,只在其余 K−1 折拟合模型和预处理参数,再用同一变换处理该折测试数据并评分。若先用全部样本计算归一化范围,测试折信息已进入训练流程;若沿用上一折训练过的模型,当前测试折可能曾被用于训练。两者都可能使分数偏乐观。书中小麦示例先对全数据归一化,且在循环前只创建一次网络,不能把输出分数当成严格隔离的交叉验证结果。

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:《深度学习之美:AI时代的数据处理与最佳实践》第10章《BP算法双向传,链式求导最缠绵》,10.5.5 利用BP算法预测小麦品种的分类(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter15_0005.xhtml#txt010_16) - 结论依据:原文范例 10-5 的数据读取先执行归一化,再分折;网络在折循环外初始化并重复训练。该诊断依据代码图,不以书中分数证明泛化。 - 原始内容:为了验证算法的正确性,我们利用交叉验证的方法,把210个数据样本等分为5份,训练集和测试集彼此轮流互换。