深度学习/机器学习之训练集、验证集和测试集(validation set)的意义

在训练模型的过程中,数据预计可以划分为训练集(train)、验证集(validation)和测试集(test)

实际应用中,一般只将数据集分成两类,即training set 和test set,大多数文章并不涉及validation set。

 

验证集的作用

training set是用来训练模型或确定模型参数的,如ANN中权值等;

validation set是用来做模型选择(model selection),即做模型的最终优化及确定的,如ANN的结构;

test set则纯粹是为了测试已经训练好的模型的推广能力

 

验证集的主要作用是 调整模型的超参数,验证不同算法,检验哪种算法更有效

对学习出来的模型,调整分类器的参数,如在神经网络中选择隐藏单元数。验证集还用来确定网络结构或者控制模型复杂程度的参数。

 

从狭义来讲,验证集没有参与梯度下降的过程,也就是说是没有经过训练的;但从广义上来看,验证集却参与了一个“人工调参”的过程,我们根据验证集的结果调节了迭代数、调节了学习率等等,使得结果在验证集上最优
 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值