开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >如果我不能在非常小的训练数据集上获得0错误，这意味着什么？

问如果我不能在非常小的训练数据集上获得0错误，这意味着什么？
EN

Stack Overflow用户

提问于 2019-10-25 11:39:55

回答 1查看 60关注 0票数 0

为了验证网络是否有潜在的学习能力，人们常常试图在小数据集上进行过度适应。

我无法用数据集达到0错误，但是输出看起来像是网络记忆训练集。(MPAE ~1 %)

为了证明我的网络可能在我的数据集上工作，绝对有必要获得0错误吗？

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-10-25 11:57:46

简短答覆:否

原因：

，

，它可能是少数几个例子被标记为漏掉了。在分类的情况下，尝试识别哪些示例无法正确分类。这将告诉您您的网络是否已经学会了它所能做的一切。如果数据没有可以学习的模式--如果数据本质上是随机的。如果数据有噪声，有时噪声会掩盖预测所需的特征。如果数据集混乱，则如果数据的特征在标签之间(和标签之间)变化迅速和剧烈--如果数据遵循一个非常复杂(不光滑)的函数，则
也会发生。

希望这能有所帮助！

票数 1

EN

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/58557857

复制

相似问题