知识卡片
泛化需要未见数据
泛化是将训练中学到的规律应用到未见样本的能力。只记住训练样本的标签也可能在训练集上得高分,却无法为新样本提供可靠预测。应以独立数据估计新样本表现;若反复依据某组数据调整训练,它起验证集作用,最终测试集应另行保留。
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
- 机器学习与深度学习入门 · 查看原书依据
如果算法在训练集上执行得足够好,但是在新数据上执行得很差
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第1章《机器学习与深度学习入门》1.2(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0008_split_002.html`)
- 结论依据:原文解释相应术语或训练过程;验证与测试的区分是衔接后续章节的说明。
- 原始内容:如果算法在训练集上执行得足够好,但是在新数据上执行得很差,就说该算法的泛化能力很差。现在让我们看看如何提高算法的泛化能力,或者说如何学习数据,使得它能够准确地预测新数据的标签。 1.2.3 泛化 我们会用到1.