训练集 编辑
机器学习的普遍任务就是从数据中学习和构建数学模型，并且能够在将来遇到的数据上进行推理。用于构建最终模型的训练集、验证集和测试集通常有多个；在构建模型的不同阶段，通常有三种数据集：训练集、验证集和测试集。
4
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
Dropout是Google提出的一种正则化技术，用以在人工神经网络中对抗过拟合。Dropout有效的原因，是它能够避免在训练集上产生复杂的相互适应。Dropout这个术语代指在神经网络中丢弃部分神经元。在训练阶段，dropout使得每次只有部分网络结构得到更新，因而是一种高效的神经网络模型平均化的方法。
在机器学习中，提前停止是一种在使用诸如梯度下降之类的迭代优化方法时，可对抗过拟合的正则化方法。这些迭代优化方法在每轮迭代过程中，都会使得模型更好地与训练集拟合。在某个节点之前，更好地拟合训练集使得模型在训练集之外的数据上表现得更好；但在该节点之后，更好地拟合训练集会增大泛化误差。提前停止相关规则给出停止迭代的条件，以便在模型开始过拟合之前停止迭代优化。提前停止相关规则已被用于多种机器学习方法。