深度学习(训练/开发/测试集)的划分技巧

zh3389

于 2018-12-22 11:25:05 发布

阅读量2.3k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： AI相关概念原理文章标签： AI相关

本文链接：https://blog.youkuaiyun.com/zhanghao3389/article/details/85199727

AI相关概念原理专栏收录该内容

15 篇文章

订阅专栏

本文探讨了小数据量和大数据量时代下，数据集如何有效划分，包括训练集、验证集和测试集的比例分配策略，旨在指导算法训练和评估过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

github博客传送门
 博客园传送门

小数据量时代(100 - 1000 - 10000条左右):

一. 70%训练集 , 30%测试集
二. 60%训练集 , 20%交叉验证集 , 20%测试集

大数据量时代(1000000条左右或更多):

一. 98%训练集 , 1%交叉验证集 , 1%测试集
二. 99.5%训练集 , 0.25%交叉验证集 , 0.25%测试集
三. 99.5%训练集 , 0.4%交叉验证集 , 0.1%测试集

确保验证集和测试集的数据来自同一分布:

这样的情况下没有测试集可能也没有问题.(仅有验证集)

print_r('点个赞吧')；
var_dump('点个赞吧')；
NSLog(@"点个赞吧！")
System.out.println("点个赞吧!");
console.log("点个赞吧!");
print("点个赞吧!");
printf("点个赞吧!\n");
cout << "点个赞吧!" << endl;
Console.WriteLine("点个赞吧!");
fmt.Println("点个赞吧!")
Response.Write("点个赞吧")；
alert（’点个赞吧’）