神经网络与深度学习笔记（五）validation_data 的作用
2017-08-15 09:23
381 查看
**为何要用 validation_data 而不是 test_data 来防止过度拟合？
为何要用 validation_data 而不是 test_data 来设置更好的超参数？**
如果 我们设置超参数是基于 test_data 的话，可能我们最终就会得到过度拟合于 test_data 的超参数，但是网络性能并不能够泛化到其他数据集合。我们用 validation_data 来克服这个问题，一旦获得了理想的超参数，就用 test_data 来测量准确率
为何要用 validation_data 而不是 test_data 来设置更好的超参数？**
如果 我们设置超参数是基于 test_data 的话，可能我们最终就会得到过度拟合于 test_data 的超参数，但是网络性能并不能够泛化到其他数据集合。我们用 validation_data 来克服这个问题，一旦获得了理想的超参数，就用 test_data 来测量准确率
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 神经网络与深度学习笔记——第3章 改进神经网络的学习方法
- MXNet动手学深度学习笔记：GoogLeNet神经网络实现
- [DeeplearningAI笔记]改善深层神经网络_深度学习的实用层面1.9_归一化normalization
- 神经网络与深度学习_吴恩达 学习笔记（一）
- 【计算机视觉】【神经网络与深度学习】论文阅读笔记：You Only Look Once: Unified, Real-Time Object Detection
- [DeeplearningAI笔记]神经网络与深度学习3.2_3.11(激活函数)浅层神经网络
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记（1-2）-- 神经网络基础
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- AndrewNg神经网络和深度学习笔记-Week3-6激活函数
- 神经网络与深度学习学习笔记：神经网络的优化
- 神经网络与深度学习学习笔记：numpy基础
- 深度学习笔记-神经网络简介
- 【神经网络和深度学习】笔记
- 神经网络与深度学习学习笔记：正向传播与反向传播(未完)
- 深度学习笔记——深度学习框架TensorFlow之DNN深度神经网络的实现（十四）
- 【深度学习】笔记第一弹--神经网络
- 深度学习与神经网络学习笔记（五）
- 深度卷积神经网络学习笔记2：步长不为1的卷积前向传播和反向传播
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- 学习Andrew Ng的神经网络和深度学习课程的笔记part one(二)