機器學習實戰(基於scikit-learn和TensorFlow)學習心得(12)---cross-validation,超參的選取等雜記

cross-validation,這是一個很好的用來測試model是否好用的工具,可以在測試集量不夠大的時候增加檢測model是否好用的一種重要的方法. 但c-v有利有弊.他會大幅度增加機器計算的負擔以及大幅度延長調試時間. 需要自我取捨. 當我們遇到overfitting的問題的時候,有三種解決辦法:1.增加數據量 2.簡化模型 3.給模型加上約束超參. 但我們首先應該考慮的是換一種模型而不是在

>>阅读原文<<