|
累了的时候看看这个 |
问大家个机器学习的问题
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
共收到7条回复
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？
是不是把测试集和验证集的概念弄混了？
机器人学习什么？
是不是把测试集和验证集的概念弄混了？
