如何在深层神经网络中进行交叉验证?我知道要执行交叉验证来训练除了一个以外的所有折叠,并在排除的折叠上测试它。然后做这个k倍的时间,并平均每个倍数的accuries。你如何为每次迭代做到这一点。你是否每次更新参数?或者你为每次迭代执行k-fold交叉验证?或者是每个训练都是在所有褶皱上进行,但是有一次迭代被认为是一次迭代?深层神经网络中的交叉验证
0
A
回答
2
Cross-validation是ML中防止过拟合的一般技术。在深度学习模型上进行并在线性回归上做这件事没有区别。这个想法对于所有ML模型都是一样的。你在问题中描述的简历背后的基本理念是正确的。
但问题你如何做到这一点每次迭代没有任何意义。 CV算法没有涉及训练时的迭代。你训练了你的模型,然后才评估它。
你是否在每一次更新参数?。你训练相同的模型k次,而且很可能每次你有不同的参数。
在DL中不需要CV的答案是错误的。 CV的基本思想是更好地估计模型在有限数据集上的表现。所以如果你的数据集很小,训练k个模型的能力会给你一个更好的估计(缩小的是你花费了k倍多的时间)。如果你有100毫升的例子,最有可能有5%的测试/验证集已经给你一个很好的估计。
相关问题
- 1. 神经网络,插入符号和交叉验证
- 2. Python:深度神经网络
- 3. 交叉验证后如何训练最终的神经网络模型?
- 4. 单层神经网络
- 5. 在线神经网络验证器
- 6. Encog神经网络验证/测试
- 7. 这是加速深度神经网络训练kFold交叉验证的有效方法吗?
- 8. 多层神经网络中的权重
- 9. 窗口的深度神经网络
- 10. python3 Asse田(建立你的深层神经网络)
- 11. 深层神经网络权重的评估
- 12. Matlab:在神经网络中使用交叉熵
- 13. 降低总损失在深层神经网络
- 14. 添加隐藏层的神经网络
- 15. 神经网络
- 16. 神经网络
- 17. 双层神经网络Tensorflow python
- 18. 神经网络输出层节点数
- 19. TensorFlow:2层前馈神经网络
- 20. 规范Keras中的神经网络的验证集合
- 21. 的神经网络
- 22. VB中的神经网络
- 23. Eclipse中的神经网络
- 24. 深度神经网络中真正需要完全连接的层吗?
- 25. 如何在Tensorflow中指定深层神经网络的体系结构?
- 26. 使用验证集早期停止在神经网络中
- 27. 神经网络[ocr]
- 28. 神经网络,python
- 29. MATLAB神经网络
- 30. 神经网络backpropogation
您可以像其他任何ML模型一样进行K-Fold Cross Validation,您只需要训练K模型。这与迭代无关。 –
这是什么意思?因为我们每次迭代更新参数的权利?那么交叉验证是否被认为是一次迭代? – Chaine
不,更新参数与交叉验证无关! –