私はMLPを実行しており、一連の値を10種類のクラスに分類しています。トレーニングを停止するタイミング - LOOV MLP
簡略化して、私はオブジェクトの400の「読み取り値」を与えるソナーを持っています。各読み値は1000浮動小数点値のリストです。
私は合計100個のオブジェクトをスキャンし、それらを分類し、leave-one-outの相互検証に基づいてモデルを評価したいと考えています。
各オブジェクトについて、データを99個のオブジェクトのトレーニングセットと残りのオブジェクトのテストセットに分割します。私はトレーニングセット(99オブジェクト、99 * 400 "読み取り値")をMLPに送り、テストセット(1オブジェクト、1 * 400 "読み取り値)を使用して検証します。
私の質問は:最終的な "ベスト"モデルとして使用する訓練のエポック私は周りをぐるぐると、最高の検証確度を持ったエポックを使用すると言った人がいましたが、これは私に騙されているようです。 (私の思考プロセスでは、トレーニングでランダムに体重を入れ直すと、人工的に高い検証精度が得られ、将来スキャンできる新しいオブジェクトに有用なモデルを提供しない可能性があります)
SOトレーニングエポックを使用すると答えた最高の検証精度を与える時間:
whats is the difference between train, validation and test set, in neural networks?
ベスト、 Deckwasherあなたは通常、あなたの汎化/真・エラーを(どのように良い見えないデータ上の私の予測がある)、最適化したい
これは数学の問題のように見えますが、プログラミングの問題ではありません。非常に有効で、よく定義され、明確に述べられている問題ですが、残念ながら間違ったサイトにあります。 –