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？
机器算法验证
机器学习
超参数
2022-03-23 08:56:30
1个回答
交叉验证更加稳健。所以，总的来说，它更好。但是，随着数据集大小的增加，您获得的边际收益会减少。在小型数据集中，绝对建议这样做。另一方面，由于计算复杂性，它可能不是最佳选择。例如，训练可能非常昂贵，就像在深度神经网络中一样。在这种情况下，具有代表性的验证集优于验证折叠的统计平均值。
其它你可能感兴趣的问题