【深度学习】训练集、测试集和验证集

码字不易,如果各位看官感觉该文章对你有所帮助,麻烦点个关注,如果有任何问题,请留言交流。如需转载,请注明出处,谢谢。

文章链接:https://blog.csdn.net/herocheney/article/details/118300553

目录


一、深度学习的数据

        在深度学习或机器学习的过程中,数据无疑是驱动模型的主要能量,通过训练现有数据,得到相应的网络参数,使得我们所设计的模型具有泛化性,能够预测一些未知的,没有出现的样本,并将该参数应用到实际当中,是模型训练的主要流程,数据的干净程度,完备程度等,是网络学习好坏的重中之重。

【深度学习】训练集、测试集和验证集

二、训练集、测试集和验证集

        我们通常把训练的数据分为三个文件夹:训练集、测试集和验证集

【深度学习】训练集、测试集和验证集

下面这个比喻非常恰当:模型的训练与学习,类似于老师教学生学知识的过程。

1、训练集(train set):用于训练模型以及确定参数。相当于老师教学生知识的过程。

2、验证集(validation set):用于确定网络结构以及调整模型的超参数。相当于月考等小测验,用于学生对学习的查漏补缺。

3、测试集(test set):用于检验模型的泛化能力。相当于大考,上战场一样,真正的去检验学生的学习效果。

参数(parameters)是指由模型通过学习得到的变量,如权重w和偏置b

超参数(hyperparameters)是指根据经验进行设定的参数,如迭代次数,隐层的层数,每层神经元的个数,学习率等。

三、训练集、测试集和验证集的比例

根据吴恩达的视频所述,如果当数据量不是很大的时候(万级别以下)的时候将训练集、验证集以及测试集划分为6:2:2;若是数据很大,可以将训练集、验证集、测试集比例调整为98:1:1。

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
心中带点小风骚的头像心中带点小风骚普通用户
上一篇 2023年2月26日 上午10:40
下一篇 2023年2月26日 上午10:41

相关推荐