学习博客:http://blog.csdn.net/gybheroin/article/details/54097843,接下来记录的是一些自己的知识盲点。
1、Cross-Validation(交叉验证)
首先解释下最简单的验证方法:把整个数据集分成两部分,一部分用于训练,一部分用于验证,这也就是我们经常提到的训练集(training set)和测试集(test set)。这种方法有两个弊端:最终模型与参数的选取将极大程度依赖于你对训练集和测试集的划分方法;该方法只用了部分数据进行模型的训练。
另一种方法就是交叉验证,首先,我们先介绍LOOCV方法,即(Leave-one-out cross-validation)。像Test set approach一样,LOOCV方法也包含将数据集分为训练集和测试集这一步骤。但是不同的是,我们现在只用一个数据作为测试集,其他的数据都作为训练集,并将此步骤重复N次(N为数据集的数据数量)。
2.cifar-10数据集
【caffe学习笔记】windows下跑cifar10
最新推荐文章于 2022-04-12 18:08:23 发布