→ celestialgod: 訓練測試資料比例因人而異，沒有比較適當的 10/26 19:06
→ celestialgod: 2:8到8:2 我都有看到過 10/26 19:06
→ celestialgod: 建立測試組是為了避免overfiting，看模型的可靠度 10/26 19:09
→ andrew43: 閥值的選擇經常是經驗，或是直接比較不同的建模方法。 10/27 17:29
在文獻看到 想要透過許多既有數據(x,y)去決定一個
能夠描述這個數據級的未知模型的參數
首先先把數據級分組 例如分成訓練組(training group)
和測試組(testing group) 其中訓練組的數據即是從原數據
集隨機取例如 80% 的數據 剩下的 20% 數據則放到測試組
然後利用訓練組的數據集 透過把 y 的量測值和模型的
預測值做最小方差的方式決定未知模型的參數
接下來利用測試組的數據集 計算 y 的量測值和模型的
預測值之均方值 看均方值是否小於預先指定的值 倘小於
則接受模型
請問這樣做就能確定所建立模型的可靠度的原理何在?
怎樣決定訓練組和測試組所含原數據組的比例才適當?
又如何決定測試組的允收均方差值?
另外 似乎還有把原數據集分成三組的 訓練組 測試組
和確認組(validation) 但不知最後這確認組和測試組有何
差異? 或者說要對最後的確認組做甚麼運作
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.210.204
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1509013413.A.B87.html