Я запускаю MLP, чтобы классифицировать набор значений в 10 разных классов.Когда прекратить обучение - LOOV MLP
Упрощенный, у меня есть сонар, который дает мне 400 «показаний» объекта. Каждое чтение представляет собой список из 1000 значений float.
Я отсканировал 100 объектов и хочу их классифицировать и оценить модель, основанную на перекрестной проверке.
Для каждого объекта я разбиваю данные на обучающий набор из 99 объектов и тестовый набор оставшегося объекта. Я передаю тренировочный комплект (99 объектов, показания 99 * 400 ") в MLP и использую тестовый набор (1 объект, показания 1 * 400) для проверки.
Мой вопрос: Как я узнаю какую эпоху обучения использовать в качестве последней «лучшей» модели? Я googled вокруг, и некоторые люди говорили использовать эпоху, которая имела лучшую точность проверки, но это кажется мошенническим для меня. Разве я не должен выбирать только модель по статистике данных обучения? (Мой мыслительный процесс состоит в том, что случайное перетасовка в тренировке может создать искусственно высокую точность проверки, которая фактически не дает полезной модели для новых объектов, которые можно было бы отсканировать в будущем)
SO Ответ, который говорит, что использовать учебный эпос ч, что дает лучшую точность проверки:
whats is the difference between train, validation and test set, in neural networks?
Бест, Deckwasher
Это выглядит как математическая проблема, а не проблема программирования. Очень правильная, четко определенная и четко сформулированная проблема, но, к сожалению, на неправильном сайте. –