株洲seo网站优化,wordpress怎么实现付费可见,百度竞价排名,lnmp搭建网站为什么需要训练集、验证集(简单交叉验证集)和测试集#xff1f;
为了创建高效的神经网络#xff0c;需要不断进行训练(迭代)
一个神经网络的产生
从最开始的想法idea开始#xff0c;然后付诸于代码code#xff0c;根据结果验证反过来对一开始的想法idea进行修正#xf…为什么需要训练集、验证集(简单交叉验证集)和测试集
为了创建高效的神经网络需要不断进行训练(迭代)
一个神经网络的产生
从最开始的想法idea开始然后付诸于代码code根据结果验证反过来对一开始的想法idea进行修正而这就完成了一次训练(迭代)
循环速率(迭代速率)
train/dev/test sets会加速神经网络的集成 数据的配置 一般将数据分为三个部分(train/dev/test sets)
在训练集和验证集之后得到匹配的神经网络然后利用测试集来对当前神经网络进行评估
分配的演变
小数据时代
70% train sets 30% test sets
60% train sets 20% dev sets 20% test sets
大数据时代
绝大部分为train sets极小部分为dev sets和test sets
对于百万量级的数据可以分为98% train sets 1% dev sets 1% test sets
对于超百万量级的数据可以分为99.5% train sets 0.25% dev sets 0.25% test sets
原因
由于大数据量的存在dev sets只需要对不同的算法进行验证与取舍即可故得出几种合适的算法来优化性能即可而test sets只需要对神经网络进行无偏评估即可所以数据量不需要很大 补充
一条法则
dev和test sets最好来自同一分布(same distribution)这样可以加快速率与优化性能
test sets不是必须的
如果不需要进行无偏评估那么只用保证train/dev sets(训练验证集)即可
