作者pipidog (如果狗狗飛上天)
看板DataScience
標題Re: [問題] Validation set 到底在做什麼?
時間Mon Mar 26 17:11:02 2018
你有三個資料集，train, validation, test
train沒啥好說的，餵給機器，讓機器學，生成潛在參數用的
練好之後，怎麼知道表現好不好？拿validation來測試。
如果不好，調整超參數後重新訓練一次，再驗證一次。反覆這個流程
直到在validation的表現滿意為止。但故事至此尚未結束，是的，validation
沒有被機器讀過，所以確實給出的表現可以看作模型對未知資料的表現，
但問題是我們不停在做的事情，就是找出一組超參數，使得模型對於
validation的表現最好，換言之，這個模型是有bias的，它的一切都在
迎合validation，但如果你的validation取得不具代表性怎麼辦？這模型
的泛化能力就不能透過validation來證明。
所以你最終的模型必須要在test上測試才算數。
簡單說，train是拿來訓練潛在參數的，validation是拿來挑選超參數的，
這兩個資料集機器都去迎合過它們，換言之，都"髒掉了"，所以我們才需要
test set，它既與潛在參數無關，也與超參數無關，是理想上真正獨立超然的
模型判官。這樣說，你明白了嗎？
至於cross validation，那是另一個很長的故事，我想你應該，也必須花時間
了解，這是機器學習裡面，模型選擇的重要觀念。
-----
Sent from JPTT on my Asus P00C.
--
★人生中最溫暖的夏天是在紐約的冬天★
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 73.66.168.95
※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1522055467.A.2A8.html
1F：推 championship: 講得好清楚推推 03/26 18:52
2F：推 ChrisMullin: 推 03/26 20:01
3F：推 st1009: 推 完整 之後收進精華 03/26 21:17
4F：推 woogee: 講得很清楚! 03/26 21:28
5F：推 bestchiao: 推推 講的簡單明瞭～！ 03/26 22:24
6F：→ ssd860505da: 所以每次在validation完之後會根據val的loss調參數 03/26 22:30
7F：→ ssd860505da: 嗎? 03/26 22:30
8F：推 st1009: 已收入精華XD 03/26 22:56
9F：推 goldflower: 首先要先明白參數和超參數的差別 假設你現在已經寫好 03/26 22:57
10F：→ goldflower: 了一個NN 此時你裡面打算用training data學的 03/26 22:58
11F：→ goldflower: 是參數 而另外有一些如epoch, batch size這些 03/26 22:58
12F：→ goldflower: 你在訓練前要決定的東西是超參數 03/26 22:58
13F：→ goldflower: 而validation能拿來讓你修改你的超參數 03/26 22:59
14F：推 goldflower: 其實拿我上面那兩個當超參數是蠻怪的 應該說learning 03/26 23:01
15F：→ goldflower: rate之類的比較好 03/26 23:01
16F：推 niki25672729: 推 03/26 23:12
17F：推 lucien0410: 好文 推 03/27 02:23
18F：推 brian980466: 簡單講 能學的叫參數 不能學的叫超參數 03/28 02:11