对于超参数优化，我看到了两种方法：
将数据集拆分为训练、验证和测试，并根据训练数据集的训练结果和验证数据集的评估结果优化超参数，保持测试集不变以进行最终的性能评估。
将数据集拆分为训练和测试，并在训练集上使用交叉验证优化超参数，使测试集保持不变以进行最终的性能估计。
那么哪种方法更好呢？
哪个更好：交叉验证或超参数优化的验证集？
数据挖掘
机器学习
超参数调整
2022-02-21 14:46:59
1个回答
折交叉验证 (CV) 过程（方法 2）实际上与方法 1 做同样的事情，但它在训练集和验证集上重复了k。因此，对于 CV，在选择最佳超参数值之前次运行的性能进行平均。这使得性能和价值选择总体上更加可靠，因为偶然获得最佳结果的风险较小。然而它需要更长的时间（因为重复次），所以如果训练过程很长，使用 CV 并不总是可行的。
其它你可能感兴趣的问题