机器学习数据集一般分为训练集和测试集,测试集对模型来说应该是未知的。
可实际工作中,也是对着测试集调一些超参数,直到效果好了为止,这样的意义在哪
意义在于,你调过后的模型,对于它未见过的数据有多好的预测能力。当然最终实际效果评价仍然取决于这2个数据集之外的数据
有一种说法是模型的泛化能力。就是说模型在测试集上性能好,到了预测集上性能也好。
测试集调一些超参数?,第一次听说这样搞,测试集就是推理了,跟超参数有啥关系
是不是把测试集和验证集的概念弄混了?
机器人学习什么?
@ycdhqzhiai 是的 楼主理解的有问题
而且怎么会调一下效果就好了,除非是过拟合了,错就是错了,
另外就是公司的人有问题,一般人有问题的公司会这样搞一些数据好看糊弄老板,
或者就是老板sb,本来就那点资源,上限就这样了,还一个劲的说不行