1回答
训练误差~ 3%，测试误差~ 12%1)为了进行模型选择，我知道需要做以下工作：
create set possible
浏览 5提问于2017-07-31得票数 0
我有一个非常基本的问题。2)此外，使用K-交叉验证是否与简单的拆分(培训-测试)一致？
浏览 0提问于2020-03-18得票数 0
回答已采纳
2回答
我一直在使用早期停止特性的xgboost用于各种问题陈述，主要是分类。但是在处理几个不同领域的数据集时，我有如下观察
在最小的评价误差点，但是当训练和测试之间的差异(用于评估以停止训练轮)误差相对较高时，该模型似乎表现为存在过度拟合。在这样的情况下，当我考虑在训练和测试(训练期间的
浏览 0提问于2018-08-16得票数 1
回答已采纳
我正在使用LightGBM的eval_set特性来拟合我的模型。这样就可以提前停止所使用的估计器的数量。但当我最终选择了一个模型，并想要训练它的全部数据集。我没有测试数据来触发早期停止？或者，我应该为eval_set保留另一组数
浏览 0提问于2022-01-16得票数 1
回答已采纳
3回答
我在堆栈溢出问题上问了这个问题，并被告知这是一个更好的地方。更让我困惑的是，何时使用验证？对于模型来说，这是必要的一步吗？另外，是否有可能进行验证而不是测试？
培训数据也
浏览 0提问于2022-01-21得票数 2
回答已采纳
我正在使用实现一个学习代理。老师说：
我有这个训练代码，但是我不知道什么时候停止训练。:编辑给定验证数据的输入/大小，平均误差=
浏览 11提问于2010-06-04得票数 168
回答已采纳
2回答
在允许训练进入下一个时期之前，是否可以对模型进行交叉验证，以获得更稳健的测试误差估计？我发现，早期停止度量，比如验证集上的准确性，可能会受到高方差的影响。早期停止的模型通常在看不见的数据上表现不佳，我怀疑这是因为与验证集方法相关的高方差。为了最小化早期<em
浏览 6提问于2018-10-13得票数 6
v=ms-Ooh9mjiE&list=PLWKotBjTDoLj3rXBL-nEIPRN9V3a9Cx07&index=4 过载、不足和模型容量”中提出的“深度学习速成课程”中，他建议数据应该分成列、验证和测试集训练集用于训练模型，验证集用于优化超参数，测试集用于对泛化误差进行无偏估计。当我看人
浏览 0提问于2019-04-14得票数 0
当我使用xgboost来训练我的2-cates classification problem数据时，我想使用早期停止来获得最好的模型，但是我不知道在我的预测中使用哪一个会返回3种不同的选择。如果是的话，我如何判断使用哪一种？
早期停
浏览 3提问于2017-04-21得票数 17
我对训练XGBoost分类器有一个问题，因为即使我使用1000个num轮和10个早期停止轮，训练和测试错误也只会在更多的迭代(num_boost_round)中减少。然后，当我尝试将模型应用到一个单独的集合上，而不是用于测试和训练时，我可以看到，一个经过100次训练的模型的性能要比1000次好得多。我的学习率是
浏览 0提问于2018-11-09得票数 1
1回答
我正在训练一个yolov5模型，我有一个数据集，但是我无法理解验证和测试数据之间的区别。我应该分割我的数据集来训练/测试/val还是仅仅是训练/测试？
浏览 11提问于2022-02-13得票数 1
回答已采纳
1回答
但是，验证损失会下降，然后稍微上升，然后再下降。因此，对我来说，找到停止训练和获得最佳模型的最可靠方法是，采取非常多的时代，选择最好的验证损失(不管是最后一次迭代，还是更有可能的，介于两者之间)。为了避免长时间的训练，并获得良好的验证分数，人们使用“早期停止”技术(如经常引用的论文“早
浏览 0提问于2020-04-09得票数 0
1回答
我试图为一个ML问题实现堆叠模型，并且很难计算出交叉验证策略。到目前为止，我已经使用了10倍交叉验证我的所有模型，并希望继续使用这种堆叠以及。这是我想出来的但不确定这是否有意义，将训练数据集分为F1、F2<em
浏览 0提问于2022-02-10得票数 0
我想用获得分类器的度量标准。cm = confusion_matrix(result, labels, [no, yes])将这些预测传递到评估度量中的可能不是衡量泛化性能的有效方法结果可能与cross_validate和cross_val_sc
浏览 5提问于2020-04-22得票数 0
回答已采纳
1回答
我们的团队目前正在使用CatBoost开发信用评分模型，我们目前的流程是.
对列车和有效的组合执行超参数调优，使用测试作为早期</
浏览 5提问于2021-10-20得票数 2
3回答
我不知道什么是正确的方式，使用早期停止与交叉验证梯度增强算法。对于简单的训练/有效分割，我们可以使用有效的数据集作为早期停止的评估数据集，在重新修改时使用最佳的迭代次数。但是，如果交叉验证类似k-折叠，我的直觉是使用每个折叠的每个有效集合作为<em
浏览 0提问于2020-05-17得票数 17
3回答
如何用假阳性对模型进行再训练
、、、、
我仍然在挣扎的是，什么是再培训的最佳实践，一个好的模式随着时间的推移？
我在Keras中为我的二进制分类问题(火与非火)训练了一个深入的模型。我有4K火灾图像和8K非火图像(它们是视频帧)。我接受0.2/0.8验证/培训的培训。现在我在一些视频上测试它，我发现了一些假阳性。我把这些添加到我的负(非火)集，加载最好的以前
浏览 0提问于2020-02-17得票数 2
我在R中使用xgboost软件包，在75发子弹时就会提前停止。为了监控进度，算法在每一轮训练和测试后打印出F1成绩。在算法完成75轮后，xgboost返回测试集上得分最高的模型，而不是训练集。我的猜测是，这与xgboost的监视功能和监视列表参数有关。
在训练期间，我打算允许算法访问测试集(使用监视列表参数)，目的是监视培训过程
浏览 0提问于2018-04-17得票数 6
我正在进行一些模拟，我的样本大小是125。我测量了5倍的交叉验证误差，即每轮我的训练样本大小为100，测试样本大小为25。假设所有其他参数都是固定的，但"n_estimators"，即助推轮的数量。我有两个选择：
在这种情况下，我可以从cv results;further中选择最佳的n_estimator，将训练样本分成训练样本( 80 )和验证( 20 )，对
浏览 1提问于2019-10-12得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
