感知器准确度与时代之间的关系

Question

当我进行更多次训练时，感知器的准确性是否有可能降低？在这种情况下，我多次使用相同的训练集。

Answer 1

是。

这是一个经常被研究的现象，从未见过的数据（测试数据）的准确性在某一点（经过一定数量的通过训练数据 - 你称之为时代之后）开始减少。这种现象称为overfitting并且很好理解。您希望尽早提前停止或使用正规化。

Answer 2

随着时期的增加，训练数据集和测试数据集的准确性都不稳定。实际上experimental data表明样本内错误或样本外错误的趋势甚至不是单调的。并且经常应用“pocket”策略。与早期停止不同，口袋算法保持迄今为止“口袋里”看到的最佳解决方案，而不是最后的解决方案。