深度学习中论文放的准确率是训练过程中的验证集准确率，还是测试集准确率?

鱼儿会飞吗

已于 2024-05-19 09:06:53 修改

阅读量3k

点赞数 5

文章标签：深度学习人工智能

于 2024-05-19 08:55:25 首次发布

本文链接：https://blog.csdn.net/qq_34425255/article/details/139035164

版权

总结：

深度学习论文和 GitHub 上通常报告的准确率指标,一般是指模型在测试集上的准确率,而不是训练过程中的验证集准确率。

以下是深入解释:

训练集准确率:
- 这个指标反映了模型在训练数据上的拟合程度,通常很高,不能反映模型的泛化能力。
验证集准确率:
- 这个指标用于监控训练过程中模型在未见过的数据上的性能,帮助选择最优的模型参数和超参数。
- 验证集准确率比训练集准确率低,能更好地预示模型在未知数据上的表现。
测试集准确率:
- 这是最终用于评估模型性能的关键指标,反映了模型在全新数据上的泛化能力。
- 论文和 GitHub 通常会报告在测试集上的准确率,因为这才是最能代表模型实际性能的指标。

在深度学习领域,研究者更关注模型在未知数据上的表现,因为这才是真正反映模型泛化能力的指标。因此,论文和 GitHub 上报告的准确率通常都是针对测试集的结果,而不是训练过程中的验证集准确率。

总之,如果论文或 GitHub 上没有特别说明,我们可以默认报告的准确率指标都是针对测试集的结果,而不是训练过程中的验证集数据。

参考：