machine-learning - 感知器精度与历元的关系

Question

随着训练次数的增加，感知器的准确性是否可能会降低？在这种情况下，我多次使用相同的训练集。

Answer 1

随着时代的增加，训练数据集和测试数据集的准确性都不稳定。实际上，实验数据表明，无论是样本内误差还是样本外误差的趋势都不是单调的。并且经常采用“口袋”策略。与提前停止不同，口袋算法将迄今为止看到的最佳解决方案“放在口袋里”，而不是最后一个解决方案。

Answer 2

是的。

这是一个普遍研究的现象，从未见过的数据（测试数据）的准确性在某个点之后（经过一定次数的训练数据 - 你称之为 epochs）开始下降。这种现象称为过拟合，很好理解。您想尽早停止或使用正则化。