本文探讨了神经网络中训练集和测试集的概念及其作用。训练集用于建立模型，验证集用于评估模型性能，而测试集则提供模型的最终性能评估。当训练集准确率为88%，测试集仅为50%时，可能是因为过拟合或数据分布差异。文章还提到了时间序列数据的划分策略，并解释了神经网络中样本集的理解和目标——使测试样本输出接近目标输出。
1、测试集和训练集是什么意思？
1.测试集：
机器学习学科中，学习样本三部分之一，测试集用来检验最终选择最优的模型的性能如何。
2.训练集：
机器学习学科中，学习样本三部分之一，训练集用于建立模型。验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。
扩展资料
训练集用于监督学习中，监督学习是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。
监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象和一个期望的输出值组成。监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。
大数据环境下的机器学习算法，依据一定的性能标准，对学习结果的重要程度可以予以忽视。 采用分布式和并行计算的方式进行分治策略的实施，可以规避掉噪音数据和冗余带来的干扰，降低存储耗费，同时提高学习算法的运行效率。
参考资料来源：
参考资料来源：
谷歌人工智能写作项目：小发猫
2、神经网络算法中什么是训练集,什么是测试集?以及其各对应的作用?本人新手,望高手指
就是把样本数据分为训练集和测试集，训练集用来训练神经网络，测试集用来验证模型
最低0.47元/天 解锁文章
扫一扫
3747
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
