একটি নিউরাল নেটওয়ার্ক বিবেচনা করুন:
প্রদত্ত ডেটা সেট করার জন্য, আমরা এটিকে প্রশিক্ষণ, বৈধতা এবং পরীক্ষার সেটগুলিতে ভাগ করি। ধরুন আমরা এটি ক্লাসিক :20০:২০:২০ অনুপাতে করি, তারপরে আমরা নেটওয়ার্কটিকে বৈধতা সেটটিতে যাচাই করে ওভারফিটিং আটকাতে পারি। তাহলে এর কার্যকারিতা যাচাই করতে পরীক্ষার সেটটিতে এটি পরীক্ষা করার দরকার কী?
নেটওয়ার্কের জন্য যেমন টেস্ট সেটের ত্রুটিটি বৈধতা সেট হিসাবে কিছুটা একই হবে না এটি বৈধতা সেটগুলির মতোই একটি অদেখা ডেটা এবং সেগুলি উভয়ই সংখ্যায় একই?
পরিবর্তে আমরা কী এটিতে পরীক্ষার সেটটি মার্জ করে প্রশিক্ষণ সেটটি বাড়িয়ে তুলতে পারি না যাতে আমাদের আরও প্রশিক্ষণের ডেটা থাকে এবং নেটওয়ার্ক ট্রেনগুলি আরও ভাল হয় এবং তারপরে ওভারফিটিং প্রতিরোধের জন্য বৈধতা সেটটি ব্যবহার করে? আমরা কেন এটি করি না?
4
আপনি এটির মতো হতে চাই তবে আপনি নিশ্চিত হতে পারবেন না কারণ আপনি হাইপারপ্যারামিটার অপ্টিমাইজেশান এবং তাড়াতাড়ি থামার জন্য এটি স্পর্শ করেছেন, সুতরাং আপনার ভার্জিন পরীক্ষার সেট দরকার।
—
এমেরে
@ এমরে তবে ওজন ট্রেনিং সেটের উপর ভিত্তি করে সামঞ্জস্য হবে এবং বৈধতা সেটের ভিত্তিতে নয়, সুতরাং পরীক্ষার এবং বৈধতার সেটগুলির ফলাফল আলাদা হওয়ার উপায় নয়।
—
ব্যবহারকারী 1825567
না, তারা না (প্রশিক্ষণের সেট অনুসারে সমন্বয় পেতে)। এটি নিয়মিত পরামিতিগুলির জন্য।
—
এমেরে