参考视频:【小萌五分钟】机器学习 | 交叉验证 Cross-Validation_哔哩哔哩_bilibili
如图,比如将所有数据分训练集(Training),验证集(Validation),测试集(Test)
训练集:训练模型
验证集:代入用训练集训练好的模型,计算一些评价模型好坏的参数,比如准确率(Acc),用于超参数的选择。具体选择过程下面说。
测试集:最终的模型测试
k折交叉验证的过程(这次选k=4,也可以等于5,10等,也就是将训练集分成几等份):
1、当模型的超参数C=0.01时,分别进行如上的四种划分方式,分别训练(这里个人认为是独立的模型训练,一个模型和另外的模型没有关系),然后用相应的验证集进行计算出模型的Acc1~Acc4,计算Acc1~Acc4的平均值Acc,这个平均值作为超参数C=0.01的模型的准确率
2、再取C=0.1或者1,10等,再进行步骤1的过程,得到相对应的超参数C的模型的准确率
3、将不同C决定的模型的准确率进行比较,获得准确率最高的C,例如为0.1
4、现在确定模型的C = 0.1,此时将训练集和验证集合并成为训练集,训练出最终的模型
5、通过测试集进行模型测试。
标签:训练,交叉,0.1,模型,验证,准确率,测试,过程 来源: https://blog.csdn.net/weixin_45414792/article/details/122299587
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。