1

在我看来，交叉验证用于通过使用尽可能多的数据来比较模型。例如，它可用于比较同一问题的感知器神经网络和决策树。或者它可以用于研究特定问题的神经网络的神经元数量。这里是关于比较模型/架构的。

尽管如此，在我看来，交叉验证似乎并不适合找到神经网络的最佳权重，因为在每一轮交叉验证中，权重都会重新初始化。

你能证实我的观点吗？交叉验证仅用于比较模型/架构，不适合找到这些模型/架构的最佳参数？

谢谢你。

4

1 回答 1

1

你有正确的想法，是的。

通常，您使用交叉验证来估计未见数据的准确性。此估计可帮助您选择合适的模型类型/参数等。

一旦决定了模型配置，就可以在整个数据集上训练模型。（请始终牢记，整个数据集的训练误差并不是对未见数据误差的良好估计。）

于 2012-04-10T17:08:45.707 回答