讨论/《Python 深度学习》 - 3.6.4 利用 K 折验证来验证你的方法/
《Python 深度学习》 - 3.6.4 利用 K 折验证来验证你的方法
共 3 个回复

为什么会有k-fold cross-valid

在实际的工程中,我们会发现以下情况,一份原始的数据集被我们人为的划分为 train/test 两部分,test 用于验证模型的鲁棒性以及性能。但数据嘛,总是脏的,一顿操作后我们发现随着划分的部分不同,我们测试的结果也不同,orz。

为了消除这种变化因素,我们创建k系列测试集,通过均值减少波动。

具体步骤:
1.将原始数据集划分为相等的K部分
2.将第i部分作为测试集,其余作为训练集
3.训练模型,计算模型在测试集上的准确率
4.每次用不同的部分作为测试集,重复步骤2和3 K次
5.将平均准确率作为最终的模型准确率

k-flod validation 就是以上的思路,实际上一般会使用 dataLoader 创建一个随机分布的数据集。

7

误差跟这个好大啊,我要训练500轮才差不多3.多

挺喜欢这一节的手写cross validation、记录mae

  • 根据图像分析,删除前10个点
  • 数据点替换为前面数据点的指数移动平均值,以得到光滑的曲线