討論串[問題] Validation set 到底在做什麼?
共 8 篇文章
內容預覽:
你有三個資料集，train, validation, test. train沒啥好說的，餵給機器，讓機器學，生成潛在參數用的. 練好之後，怎麼知道表現好不好？拿validation來測試。. 如果不好，調整超參數後重新訓練一次，再驗證一次。反覆這個流程. 直到在validation的表現滿意為止。但
(還有450個字)
內容預覽:
既然都講了,乾脆好人做到底,把cross validation(cv)也講完好了.很多人都知道cv. 怎麼操作,但是我相信很少人真的明白做cv的意義.以及什麼情況下我們很要求做cv.. 這是很正常的,因為你去看很多教科書,他們就從沒講好cv的意義過. 以下我談談我對. cv的見解. 歡迎各位補充分享
(還有2693個字)
內容預覽:
我們把數據分割成三等分,每次取一份出來做validation,另外兩份作trian來生成模型,這樣每一次我就會生成三個模型,給出三個performance,然後我拿三個performance來取平均作為總的performance,以衡量我模型的好壞.. =======================
(還有589個字)
內容預覽:
感謝pipidog前輩的回文. 深入淺出的概念教育!. 你的回文有大量的訊息. 真的學了不少. 抽象的訊息最難學 但你教的方式特別好. 可是可是我的問題沒有回答到 (是我一開始沒問對問題). 我做的是機器翻譯 seq2seq + attention. (Bahdanau, Dzmitry, Kyun
(還有1151個字)
內容預覽:
這篇很早期的有關 CV 與 holdout (single validation) 的比較可以給大家參考。. http://robotics.stanford.edu/~ronnyk/accEst.pdf. 而就我個人粗淺的觀點，高維度的機器學習固然是個困難的問題，. 但 cross-validat
(還有459個字)