发表服务
不能。验证集的作用在于模拟测试集，而测试集的最大特点就是「未知」，即在训练过程中是见不到的。正因为验证集和测试集在训练过程中都是未知的，你才可以说，「如果你的超参数适用于验证集，那么它们也大概会适用于测试集」。
但实际上，我们在人工选择超参数，并使用验证集来决定最终使用哪组超参数的过程，也可以看作验证集参与了超参数的训练过程，因此我们还需要一个完全没有参与过所有参数训练的测试集来作为最终的结果评估。.二、验证集与线上实际数据分布的偏差.不管...
对于训练集，验证集，测试集的概念，很多人都搞不清楚。网上的文章也是鱼龙混杂，因此，现在来把这方面的知识梳理一遍。让我们先来看一下模型验证（评估）的几种方式。在机器学习中，当我们把模型训练出来以后，该
很多机器学习入门者对测试集和验证集的概念有所混淆，甚至很多机器学习开发工程师常常都会混淆这两个概念。因为当我们采用验证集的时候，测试集好像和验证集实际上并没有多大区别，所以本文从学界定义到实践中的具体影响探讨验证集和测试集间的区别。
验证集有2个主要的作用：评估模型效果，为了调整超参数而服务调整超参数，使得模型在验证集上的效果最好说明：验证集不像训练集和测试集，它是非必需的。如果不需要调整超参数，就可以不使用验证集，直接用测试集来评估效果。
交叉验证是针对数据集太小的情况，想要充分榨干这个小数据集的光和热，数据集够大就不需要折腾这个了。直接举个例子说明：如果一个数据集有100条数据，按照8:2分为训练集和测试集（直接用测试集作为验证集），则应该用训练集的80条数据训练模型，用测试集的20条数据来测试训练的效果如何。
交叉验证.之所以出现交叉验证，主要是因为训练集较小。.无法直接像前面那样只分出训练集，验证集，测试就可以了（简单交叉验证）。.需要说明的是，在实际情况下，人们不是很喜欢用交叉验证，主要是因为它会耗费较多的计算资源。.一般直接把训练集...
与论文相关的实现过程应当是可以公开的。就眼下的学术风气而言，很多作者不予回应或者不敢回应很大程度上都是心虚的表现，如果程序真的编了数据也是真实的，就会有确定性的结果。如果论文涉及的数据无法重现和验证，就成了伪科学和猜想了。
在训练模型的时候，我们需要损失函数一直训练到0吗？显然不用。一般来说，我们是用训练集来训练模型，但希望的是验证集的损失越小越好，而正常来说训练集的损失降低到一定值后，验证集的损失就会开始上升，因...
2017-07-26求助，SCI审稿意见回来了，提了很多意见，不太清楚需要后续步...2013-12-01SCI论文审稿意见回来了，第一个审稿人让我援用他的7篇论文，...2017-06-24SCI审稿意见，我该怎么办22018-06-12英文期刊审稿完收到修改意见后，用不用给编辑发3
不能。验证集的作用在于模拟测试集，而测试集的最大特点就是「未知」，即在训练过程中是见不到的。正因为验证集和测试集在训练过程中都是未知的，你才可以说，「如果你的超参数适用于验证集，那么它们也大概会适用于测试集」。
但实际上，我们在人工选择超参数，并使用验证集来决定最终使用哪组超参数的过程，也可以看作验证集参与了超参数的训练过程，因此我们还需要一个完全没有参与过所有参数训练的测试集来作为最终的结果评估。.二、验证集与线上实际数据分布的偏差.不管...
对于训练集，验证集，测试集的概念，很多人都搞不清楚。网上的文章也是鱼龙混杂，因此，现在来把这方面的知识梳理一遍。让我们先来看一下模型验证（评估）的几种方式。在机器学习中，当我们把模型训练出来以后，该
很多机器学习入门者对测试集和验证集的概念有所混淆，甚至很多机器学习开发工程师常常都会混淆这两个概念。因为当我们采用验证集的时候，测试集好像和验证集实际上并没有多大区别，所以本文从学界定义到实践中的具体影响探讨验证集和测试集间的区别。
验证集有2个主要的作用：评估模型效果，为了调整超参数而服务调整超参数，使得模型在验证集上的效果最好说明：验证集不像训练集和测试集，它是非必需的。如果不需要调整超参数，就可以不使用验证集，直接用测试集来评估效果。
交叉验证是针对数据集太小的情况，想要充分榨干这个小数据集的光和热，数据集够大就不需要折腾这个了。直接举个例子说明：如果一个数据集有100条数据，按照8:2分为训练集和测试集（直接用测试集作为验证集），则应该用训练集的80条数据训练模型，用测试集的20条数据来测试训练的效果如何。
交叉验证.之所以出现交叉验证，主要是因为训练集较小。.无法直接像前面那样只分出训练集，验证集，测试就可以了（简单交叉验证）。.需要说明的是，在实际情况下，人们不是很喜欢用交叉验证，主要是因为它会耗费较多的计算资源。.一般直接把训练集...
与论文相关的实现过程应当是可以公开的。就眼下的学术风气而言，很多作者不予回应或者不敢回应很大程度上都是心虚的表现，如果程序真的编了数据也是真实的，就会有确定性的结果。如果论文涉及的数据无法重现和验证，就成了伪科学和猜想了。
在训练模型的时候，我们需要损失函数一直训练到0吗？显然不用。一般来说，我们是用训练集来训练模型，但希望的是验证集的损失越小越好，而正常来说训练集的损失降低到一定值后，验证集的损失就会开始上升，因...
2017-07-26求助，SCI审稿意见回来了，提了很多意见，不太清楚需要后续步...2013-12-01SCI论文审稿意见回来了，第一个审稿人让我援用他的7篇论文，...2017-06-24SCI审稿意见，我该怎么办22018-06-12英文期刊审稿完收到修改意见后，用不用给编辑发3
发表服务