在机器学习中,开发模型时总需要调节模型的参数,比如改变权重、选择层数或每层的大小,这个调节过程需要在训练的模型上通过验证集数据的表现来提供一个反馈信号,去修改网络模型及参数。这就是验证集的作用,这也会造成验证集的信息泄露,反馈的越多,信息泄露的越多,即模型就更清楚的认识验证集,最终会造成模型在验证集上过拟合,这时就需要一个对于模型完全陌生的数据集-----测试集来衡量模型的好坏。
机器学习:为什么需要验证集?
最新推荐文章于 2024-02-01 17:24:07 发布
在机器学习中,开发模型时总需要调节模型的参数,比如改变权重、选择层数或每层的大小,这个调节过程需要在训练的模型上通过验证集数据的表现来提供一个反馈信号,去修改网络模型及参数。这就是验证集的作用,这也会造成验证集的信息泄露,反馈的越多,信息泄露的越多,即模型就更清楚的认识验证集,最终会造成模型在验证集上过拟合,这时就需要一个对于模型完全陌生的数据集-----测试集来衡量模型的好坏。