1101模型选择
训练误差
模型在训练数据上的误差(模拟考试)
泛化误差
模型在新数据上的误差(真实考试)
验证数据集 valid
评估模型好坏的数据集
不要跟训练数据混在一起
测试数据集
只用一次的数据集
K-则交查验证
在没有足够多数据时使用
算法:
将训练数据分割成K块
for i=1,...,K
使用第i块作为验证数据集,其余作为训练数据集
报告K个验证集误差的平均
常用:K=5或10
模型在训练数据上的误差(模拟考试)
模型在新数据上的误差(真实考试)
评估模型好坏的数据集
不要跟训练数据混在一起
只用一次的数据集
在没有足够多数据时使用
算法:
将训练数据分割成K块
for i=1,...,K
使用第i块作为验证数据集,其余作为训练数据集
报告K个验证集误差的平均
常用:K=5或10
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 别再用vector<bool>了!Google高级工程师:这可能是STL最大的设计失误
· 单元测试从入门到精通
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 上周热点回顾(3.3-3.9)