Tātad, nav nozīmes tam, vai jūs jaucat vai nesajaucat testa vai validācijas datus (ja vien jūs neaprēķināt kādu metriku, kas ir atkarīga no paraugu secības), ņemot vērā, ka jūs neaprēķināsit gradientu, bet tikai zaudējumus vai kādu metriku/mēru, piemēram, precizitāti, kas nav jutīga pret secību …
Kāpēc dati ir jāsajauc, izmantojot savstarpējo validāciju?
tas palīdz treniņam ātri saplūst . tas novērš jebkādas novirzes treniņa laikā. tas neļauj modelim apgūt apmācības kārtību.
Vai varu mainīt validācijas komplektu?
A modelis vispirms tiek apmācīts A un B kombinācijā kā apmācības kopa, un tiek novērtēts ar validācijas kopu C. … Savstarpējā validācija darbojas tikai tajos pašos gadījumos, kad varat nejauši sajaukt datus, lai izvēlētos validācijas kopu..
Kam tiek izmantota datu jaukšana?
Datu jaukšana. Vienkārši sakot, jaukšanas tehnikas mērķis ir sajaukt datus un pēc izvēles saglabāt loģiskās attiecības starp kolonnām. Tas nejauši sajauc datus no datu kopas atribūtā (piemēram, kolonnā tīrā plakanā formātā) vai atribūtu kopā (piem., kolonnu kopa).
Vai mašīnmācībā ir nozīme datu secībai?
Vai apmācību datu secībai ir nozīme, apmācot neironu tīklus? - Quora. Ir ārkārtīgi svarīgi sajaukt apmācības datus, lai jūs neiegūtu veselas ļoti korelētu piemēru minipartijas. Kamēr viendati ir sajaukti, visam jādarbojas labi.
