是否可以使用 Orange（仅使用其小部件，无需编写 Python 代码）来实现以下典型的机器学习过程？
- 训练一个训练集，
- 验证验证集（例如使用 k 折交叉验证），以及
- 使用测试集测试模型。
使用“测试和分数”小部件，使用单个数据集。这是否意味着只执行验证，而没有实际测试？在这种情况下，分类结果（准确性、AUC 等）是否可以认为可靠？
使用 Orange 的训练集、验证集和测试集
数据挖掘
训练
橙
2022-02-11 08:19:57
3个回答
答案是肯定的。如果 Test & Score 只给出一个数据集，那么它所能做的就是显示交叉验证的结果。
要在单独的数据集上测试模型，请使用单独的文件小部件来加载训练和测试数据。将带有训练数据的文件小部件连接到测试和分数，将带有测试数据的文件小部件连接到测试和分数。连接任何要测试的学习者（在图中的工作流程中，我使用了逻辑回归和随机森林）。确保在 Test & Score 中选择了“Test on train data”。
在图像分类的情况下，
可以通过附加配置实现对不同数据集的训练和测试？这是正确的吗？
您可以尝试使用小部件“保存模型”来保存您创建的模型并“加载模型”来验证新的数据集。
其它你可能感兴趣的问题