对于如何将数据集划分为训练集和验证集，是否有经验法则？
对于如何将数据集划分为训练集和验证集，是否有经验法则？
提问于 2012-11-29 00:42:51
对于如何最好地将数据划分为训练集和验证集，是否有经验法则？平均50/50的比例可取吗？或者，相对于验证数据，拥有更多的训练数据是否有明显的优势(反之亦然)？或者这种选择在很大程度上依赖于应用程序？
我主要分别使用80% / 20%的训练和验证数据，但我没有任何原则性的原因选择了这种划分。有没有在机器学习方面更有经验的人可以给我建议？
回答 3
Stack Overflow用户
发布于 2017-09-06 15:31:26
好吧，你应该再考虑一件事。
如果你有一个非常大的数据集，比如1,000,000个例子，那么将80/10/10拆分可能是不必要的，因为10% = 100,000个例子可能太多了，仅仅说模型工作得很好。
也许99/0.5/0.5就足够了，因为5,000个示例可以表示数据中的大多数方差，并且您可以很容易地根据测试和开发中的这5,000个示例来判断模型工作良好。
不要因为你听说80/20是可以的就使用它。想一想测试集的目的。
Stack Overflow用户
发布于 2017-06-11 04:59:51
这完全取决于手头的数据。如果你有大量的数据，那么80/20是一个很好的选择，如上所述。但是，如果你不这样做，50/50的交叉验证可能会对你有更多的帮助，并防止你创建的模型过度拟合你的训练数据。
Stack Overflow用户
发布于 2018-11-12 16:53:29
假设你有较少的数据，我建议尝试70%，80%和90%，并测试哪个能提供更好的结果。在90%的情况下，对于10%的测试，您有可能获得较差的准确性。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/13610074
复制相关文章
相似问题