Dus, dit behoort geen verskil te maak of jy die toets- of valideringsdata skuifel of nie (tensy jy die een of ander maatstaf bereken wat afhang van die volgorde van die monsters), gegee dat jy nie enige gradiënt sal bereken nie, maar net die verlies of een of ander metriek/maatstaf soos die akkuraatheid, wat nie sensitief is vir die volgorde nie …
Waarom moet die data geskommel word wanneer kruisvalidering gebruik word?
it help die opleiding vinnig bymekaarkom . dit verhoed enige vooroordeel tydens die opleiding. dit verhoed dat die model die volgorde van die opleiding leer.
Kan ek valideringstel skommel?
A-model word eers opgelei op A en B gekombineer as die opleidingstel, en geëvalueer op die valideringstel C. … Kruisvalidering werk net in dieselfde gevalle waar jy jou data lukraak kan skommel om 'n valideringstel te kies.
Waarvoor word data-skuifel gebruik?
Data-skuifel. Eenvoudig gestel, skommeltegnieke poog om data te meng en kan opsioneel logiese verwantskappe tussen kolomme behou. Dit skommel data van 'n datastel lukraak binne 'n kenmerk (bv. 'n kolom in 'n suiwer plat formaat) of 'n stel eienskappe (bv. 'n stel kolomme).
Maak die volgorde van data saak in masjienleer?
Maak die volgorde van opleidingsdata saak wanneer neurale netwerke opgelei word? - Quora. Dit is uiters belangrik om die opleidingsdata te skommel, sodat jy nie hele minibatches van hoogs gekorreleerde voorbeelde kry nie. Solank as watdie data is geskommel, alles behoort reg te werk.
