Question

我正在使用Keras，我想制作10个不同的训练和测试样本，以对这些样本重复拟合功能。

for (i in 1:10) {
## 75% of the sample size
smp_size <- floor(0.8 * nrow(cifarSmall$x))

## set the seed to make your partition reproducible
set.seed(123)
train_ind <- sample(seq_len(nrow(cifarSmall$x)), size = smp_size)


train_x <- cifarSmall$x[train_ind,,,]

train_y <- cifarSmall$y[train_ind]

test_x <- cifarSmall$x[-train_ind,,,]
test_y <- cifarSmall$y[-train_ind]

conjuntos_train_x[i] <- c(train_x)

}

Answer 1

也许会进行10次交叉验证：

n <- 5
repeat <- 2
for(j in 1:repeat){
  indexes <- split(sample(1:nrow(iris)),1:n)
  for (i in 1:n) {     
  test_x <- iris[indexes[[i]],]      
  train_x <- iris[-indexes[[i]],]

  ## train, evaluate keras model
  ## do some hyper tuning
  }
}

关于交叉验证的一件好事是，您假设训练集和测试集之间具有独立性，同时保留了大量训练数据。现在测试错误和指标是独立的，因此您可以假设i.i.d比较和调整模型。在输入数据中。

Answer 2

也许这可以为您提供帮助，我只是对您的代码做了一些修改。

cifarSmall= data.frame(x=c(1,2,3,4),y=c(2,3,4,5),z=c(3,1,2,4))

conjuntos_train_x = list()

for (i in 1:10) {
  ## 75% of the sample size
  smp_size <- floor(0.8 * nrow(cifarSmall))

  ## set the seed to make your partition reproducible
  set.seed(i)
  train_ind <- sample(1:nrow(cifarSmall),smp_size)


  train_x <- cifarSmall[train_ind,-1]

  train_y <- cifarSmall[train_ind,1]

  conjuntos_train_x [i] <- data.frame(train_y,train_x)

}  

conjuntos_train_x

如何在R中重复训练和测试10次

2 个答案: