问验证数据NN的目的

EN

验证集的全部思想是，模型不知道这些数据，因此您可以得到模型性能的无偏评估。然后，基于这种无偏估计，您找到了模型的最佳参数。问题是，找到超参数本身就是训练模型的一种方法。因此，通过优化的超参数，模型开始适应于验证集。这就是为什么要检查模型的真实准确性，您实际上需要一个不同的数据部分，这是您的模型从未见过的。这是数据的测试部分。

因此，在您的情况下，当您没有任何超参数，您可以只使用部门的火车和测试。

如果您想要更高的精度估计您的模型的准确性，这是最好使用交叉验证，而不是仅仅在列车和测试的划分。神经网络通常不进行完全交叉验证，因为它意味着要增加几倍的计算时间(5倍交叉验证)。

对于超参数，理想的方法是进行双交叉验证。一个用于验证集，另一个用于测试集。这是太昂贵的计算，所以它只用于非常简单的模型，如岭回归。

据我所知，也很少有模型没有超参数。通常，那些没有超参数的人比那些有超参数的人表现差。岭回归往往优于线性回归。具有可变层数的神经网络性能优于全自动神经网络。