利用交叉验证调参后还需要用完整的数据集重新训练吗?

  统计/机器学习 监督式学习 模型验证    浏览次数: 269
0

先利用交叉验证调参,同时也可以得到模型的准确度。

那么交叉验证后还需要用完整的数据集重新训练模型吗?

 

MangoCoke   2018-05-15 12:54



   2个回答 
2

我觉得是需要的。

比如5-fold cv,你会得到5个模型,那你用哪个呢?

cv只是用来调参和得到方法的准确度的估计,不能代替训练模型。


mrhust   2018-05-18 10:45

0

应该是不需要了,交叉本就是为了防止过拟合,采用的28分,5层28也是全量,反正我没用全量重新训练。

陈十一   2018-05-17 11:51



  相关主题

多元分类的混淆矩阵   1回答

二元分类问题中经常提到的TP,TN,FN,FP都是什么意思?   3回答

F1值会受到不平衡数据的影响吗?   2回答

机器学习里的ppv是什么意思?   1回答

k近邻算法(k-NN)怎么选k   2回答

什么是混淆矩阵(confusion matrix)   2回答

用python求二元分类的混淆矩阵   2回答

micro和macro F1 score分别是什么意思?   2回答

回归问题中的stratified cross validation?   2回答

交叉验证是如何进行的?   1回答

Stratified k-fold cross validation(分层交叉验证)   1回答

如果我用交叉验证,还是否需要单独分出测试集?   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!