神经网络预处理

时间:2014-12-16 23:55:32

标签: neural-network

我正在从事有关NN数据预测的学校项目我有我的数据标准化我有三个输入和一个输出 我的问题是

  • 去皮数据和测试数据之间有什么不同(训练数据应该是输入数据,测试输出数据)
  • 什么是测试率是任何随机数或是否有规则找到它
  • 什么是训练错误

我的最后一个问题是在训练我的数据之后我记得有关错误的事情我不太确定但我是否需要找到预测的错误以及如何找到它

我知道我的问题可能不太清楚,但我只是困惑并尽力解释它

2 个答案:

答案 0 :(得分:1)

回答学校精神:让我们假设你有10个解决的练习来学习。你研究它们,然后老师会测试你这些确切的练习。你做得很好。但是,有一个重要的问题。你为什么做得好?你真的了解这些练习,还是只是记住它们?老师怎么知道??

只有一种方法:教师必须在一组类似的不同的练习中测试你。如果你也做得很好,你已经对这个主题有了一种感觉,你就能够概括你获得的知识。如果没有,你可能会记住它们,而不理解一件事。这种知识毫无用处。

神经网络也是如此。您可以使用一些模式(训练集)来训练它们。但是,要检查它们是否能够概括,您必须在不同的模式集(测试集)上测试它们,而网络不知道正确的答案。理想情况下,两组之间的性能差异应该很小,即良好的泛化能力。

因此,列车和测试集都是输入,而不是输出。唯一的区别在于您使用它们,训练期间的训练集以及之后的测试集。训练/测试设置率分别是您正确训练/测试集的百分比。培训/测试错误是互补的,也就是你错误的百分比。

答案 1 :(得分:0)

我知道这个回复可能会迟到但我会补充上一个回答,说在监督学习中 两者训练集和测试集都是输入输出对。仅通过结构,它们完全相同,是一组输入及其相应的输出(或标签)对。两者之间的结构没有差异。

正如blue_note所说,它们只是在不同的场合使用:一个在训练期间,一个在那之后