:阿特,我们已经学过怎样构建神经网络,得到预测结果了。不过到这里还没有完,还有重要的步骤。
:是什么呢?
:检验效果,来判断模型是否靠谱。
:是不是根据错误率呀?错误率低就说明更靠谱。
:没错,是这个思路。不过要怎样计算错误率呢?想想看,我们的模型是根据训练数据「拟合」出来的,也就是说,模型在这些数据中「学习」到了规律。但是这不代表模型在其他数据中也能预测得很好哦。
:是不是像有的专家,在某些领域有经验,但是换一个领域可能跟普通人没什么区别。
:说得对。我们的训练模型也是这样,它有可能对给出的数据了如指掌,就像谈恋爱一样,成为某个姑娘的「专家」。但是换一个姑娘,人家喜欢吃什么、爱豆是谁、是不是颜控,它可能就抓瞎了。很多时候,不是模型复杂效果就好,因为那样可能是「过拟合」(over-fitting)了:
Cross validation
:那怎么防止过拟合呢?
:要学会评估训练效果。当模型遇到新的数据,看看这些数据它预测得咋样。一般的做法是,把训练数据分成 3 部分:
领取专属 10元无门槛券
私享最新 技术干货