【机器学习实战】验证集效果比测试集好怎么办？
| 
102 | 
0
原标题：【机器学习实战】验证集效果比测试集好怎么办？
原文来自：CSDN 原文链接：https://www.cnblogs.com/wuliytTaotao/p/11698284.html
模型在验证集（开发集）上的效果比在测试集上好，或者说，测试集上的效果不如验证集，这个时候该怎么办？
这可以理解为模型对验证集过拟合了。模型在验证集上的效果并不能代表模型的实际泛化能力。
这个时候，可以做的：
1）检查验证集和测试集是不是同一分布，验证集应该更像测试集而不是训练集。
2）换个验证集，或者增大验证集。
3）检查代码是不是有问题，验证集是不是被拿去训练参数了。
如下情况，可能是正常的：
1）测试集比验证集更难进行预测，尽管算法做得足够好了，却很难有进一步的提升空间。
2）当验证集和测试集差的不多时，如 1% 左右，可能是正常的。
《Machine Learning Yearning》机器学习训练秘籍 -- Andrew Ng
Validation and Testing accuracy widely different -- stackoverflow
test accuracy is so much lower than validation accuracy by 6~10%. What could be the reason? -- StackExchange
免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。
合作及投稿邮箱：E-mail:editor@tusaishared.com
热门资源
Python 爬虫（二）...
所谓爬虫就是模拟客户端发送网络请求，获取网络响...
TensorFlow从1到2...
原文第四篇中，我们介绍了官方的入门案例MNIST，功...
TensorFlow从1到2...
“回归”这个词，既是Regression算法的名称，也代表...
机器学习中的熵、...
熵 (entropy) 这一词最初来源于热力学。1948年，克...
TensorFlow2.0（10...
前面的博客中我们说过，在加载数据和预处理数据时...
智能在线
400-630-6780
聆听.建议反馈
E-mail: support@tusaishared.com
资源分类
