【小白学习keras教程】十、三种Model Selection方法：k-fold cross-validation，GridSearchCV和RandomizedSearchCV
@Author：Runsen
Model Selection是划分训练集和测试集的手段，下面总结了三种Model Selection方法。
- k-fold cross-validation using
scikit-learn wrapper - grid search using
scikit-learn wrapper - random search using
scikit-learn wrapper
k-fold cross-validation
- 模型验证和选择最常用的方法之一
- 将训练数据集划分为
k子集，并选择其中一个子集作为验证集，其他子集作为训练集 - 然后，使用训练集训练模型，并使用验证集进行验证
- “k”轮分区和培训/验证的平均验证结果
- 比较结果
网格搜索和随机搜索
- 网格搜索和随机搜索是超参数调整的两种方法
- 网格搜索尝试指定的超参数值的所有可能组合
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！