1. 很少看到测试损失曲线图的几个原因:
-
测试集数据在模型训练过程中不被使用,
它仅用于最后评估已训练模型的性能
。因此测试损失对模型训练没有直接影响,也无法反馈训练过程信息。 -
显示测试损失
会产生过拟合现象
。研究人员可能会根据测试损失继续调整模型,从而让模型过分符合测试数据集,但对新的未见数据效果不佳。 -
验证集损失
可以很好地反映模型在见过但未使用的数据上的泛化能力
,可以代替测试集损失进行模型选择。而测试集结果通常只在论文结束给出最终性能,用来与其他工作进行公平比较。
所以总体来说,测试损失曲线很少展示主要是为了防止过拟合,保证测试结果的公平性与可靠性,同时验证损失曲线已经可以很好地反映模型的泛化表现。
2. 总结
训练损失曲线图、验证损失曲线图都是机器学习中常用的图表,用于展示模型训练和验证过程中的损失变化情况。
训练损失曲线图:它显示了模型在训练数据上的损失随训练迭代次数的变化情况。随着训练的进行,模型不断优化参数,损失逐渐降低。训练损失曲线图可以帮助我们了解模型在训练集上的表现。
验证损失曲线图:与训练损失曲线图类似,但它显示了模型在验证数据上的损失随训练迭代次数的变化情况。验证损失用于调整模型超参数和防止过拟合。验证损失曲线图可以帮助我们了解模型在未见过的数据上的表现。