个人浅显的一些看法:
当我们在进行训练时,会不断地调整参数,降低训练集loss,期望模型无限逼近训练数据集,而这个过程会过拟合,模型在训练数据集上表现很好,在实际的测试集上泛化能力表现在变差。
如果有了验证集,我们可以发现当验证集loss先降低,再升高时,这个时候模型可能就过拟合了,就没有必要再不断地优化下去,提醒我们什么时候会出现过拟合。
个人浅显的一些看法:
当我们在进行训练时,会不断地调整参数,降低训练集loss,期望模型无限逼近训练数据集,而这个过程会过拟合,模型在训练数据集上表现很好,在实际的测试集上泛化能力表现在变差。
如果有了验证集,我们可以发现当验证集loss先降低,再升高时,这个时候模型可能就过拟合了,就没有必要再不断地优化下去,提醒我们什么时候会出现过拟合。