训练集、验证集、测试集

最新推荐文章于 2023-05-19 13:40:15 发布

prinstinadl

最新推荐文章于 2023-05-19 13:40:15 发布

阅读量1.6k

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/prinstinadl/article/details/80856078

版权

本文介绍了机器学习中数据集的划分，包括训练集、验证集和测试集。训练集用于建立模型，验证集用于调整模型结构，避免过拟合，测试集则用于评估模型的泛化能力。数据集的划分有助于防止过度拟合，确保模型在新数据上的表现。在数据量有限时，可以使用K折交叉验证。训练完成后，测试集用于确认模型的准确性。

摘要由CSDN通过智能技术生成

在有监督(supervise)的机器学习中，数据集常被分成2~3个，即：训练集(train set)，验证集(validation set)，测试集(test set)。

Ripley, B.D（1996）在他的经典专著Pattern Recognition and Neural Networks中给出了这三个词的定义。

Training set: A set of examples used for learning, which is to fit the parameters [i.e., weights] of the classifier.
Validation set: A set of examples used to tune the parameters [i.e., architecture, not weights] of a classifier, for example to choose the number of hidden units in a neural network.
Test set: A set of examples used only to assess the performance [generalization] of a fully specified classifier.

作用：估计模型

关注

专栏目录