K-折叠交叉验证-是否在每次折叠后初始化网络？
K-折叠交叉验证是一种常用的机器学习模型评估方法，用于评估模型的性能和泛化能力。它将数据集分成K个子集，每次使用其中K-1个子集作为训练集，剩下的一个子集作为验证集，重复K次，每次选取不同的验证集。最后将K次的评估结果取平均作为模型的性能指标。
在每次折叠后是否初始化网络取决于具体的实现方式和需求。一般来说，如果模型的参数较多，每次折叠后初始化网络可以避免参数的累积影响，保证每次训练的起点一致，从而更好地评估模型的性能。但是，如果模型的参数较少，每次折叠后不初始化网络也可以减少计算开销，加快训练速度。
对于前端开发、后端开发、软件测试、数据库、服务器运维、云原生、网络通信、网络安全、音视频、多媒体处理、人工智能、物联网、移动开发、存储、区块链、元宇宙等专业知识，可以提供相应的概念、分类、优势、应用场景和腾讯云相关产品介绍链接。
请提供具体的问题，以便我能够给出更完善和全面的答案。
相关·内容
1回答
K-折叠交叉验证-是否在每次折叠后初始化网络？
matlab、validation、neural-network、training-data
我基本上理解了k-折交叉验证是如何工作的，并且已经开始在我的MATLAB脚本中实现它，但是我有两个问题。
当使用它来选择网络特征时(隐藏单位、权重衰减优先和否。在我的例子中)。我应该在每个“折叠”之后重新初始化权重，还是应该将我的下一个训练折叠输入到已经训练好的网络中(它的权重已经针对前一个折叠进行了优化)？似乎后一种做法应该会产生较低的误差，因为前一组数据将是下一组数据的良好近似
浏览 12提问于2017-02-05得票数 4
回答已采纳
1回答
交叉验证是如何实现的？
validation、machine-learning、cross-validation
我目前正在尝试使用交叉验证来训练一个神经网络，但我不确定我是否知道交叉验证是如何工作的。我理解这个概念，但我还不能完全理解这个概念是如何转化为代码实现的。我将整个数据集分割成K-折叠，其中1折叠是验证集，1折叠是测试集，其余折叠中的数据被倾倒到训练集中。
然后，我循环K次，每次将验证和测试集重新分配到其他折叠。在</em
浏览 10提问于2016-12-19得票数 0
1回答
关于K次交叉验证的问题
machine-learning、classification、bigdata、cross-validation
在机器学习过程中，假设我们选择了k=10作为“K-折叠交叉验证”。在完成“K-折叠交叉验证”的k步后，如何选择分类器的最终模型？(我们将用它来预测新的数据)
浏览 0提问于2018-05-08得票数 2
回答已采纳
1回答
交叉验证:重复K折叠/组K折叠
cross-validation
重复K-折叠vs组K-折叠重复K-折叠：重复分层K折叠n次，每次重复具有不同的随机性.GroupKFold是k-<e
浏览 0提问于2019-11-28得票数 4
回答已采纳
1回答
重置k-折叠交叉验证中的权重
python、deep-learning、k-fold
在k-折叠交叉验证中，为什么我们需要在每次折叠后重置权重，我们使用thia函数。reset_weights(m)：如果isinstance(m，nn.Conv2d)或isinstance(m，nn.Linear)：m.reset_parameters()，那么我们重新设置模型的权重，以便每个交叉验证折叠从一些随机的初始状态开始，而不是从以前的折叠中学习。我认为如果我们不这样做，那么
浏览 10提问于2022-03-25得票数 1
1回答
验证集的验证过程-非k次交叉验证
machine-learning、scikit-learn、data-science、cross-validation、supervised-learning
我对python和机器学习很陌生，我很难理解验证步骤，我也想对当我不想使用k-折叠交叉验证，而只是使用验证集时，应该做什么有一个建议。我一直在阅读，似乎无法正确理解k-折叠交叉验证：
我是否将初始数据分割成k个折叠，然后在k-1上进行训练，在左1上进行测试，保持向后旋转--所以每个折叠都用于测试等等。或者我
浏览 2提问于2019-05-23得票数 1
1回答
如果我已经在使用打击炮，是否有必要使用分层抽样？
cross-validation、smote
使用分层的K-折叠交叉验证，而不仅仅是普通的K-折叠交叉验证(似乎不太可能，每个K-折叠训练集都会不平衡)，这是否仍然有意义？
浏览 0提问于2021-10-19得票数 0
回答已采纳
1回答
如何对交叉验证方法中的参数进行初始化，并利用该方法进行训练和评价，得到最终的模型。
machine-learning、cross-validation
在这里，我想澄清一下k折叠交叉验证技术。当我们将训练数据分解成k个折叠时，我们必须在k个迭代中对模型进行训练。因此，在每次迭代中，我们用(k-1)折叠来训练，用保持折叠来验证。最后，我们可以
浏览 2提问于2022-07-26得票数 0
1回答
使用交叉验证可以提高准确性，而在没有交叉验证的情况下，精度会降低。
machine-learning、naivebayes
我有一个关于交叉验证的问题:我使用朴素的Bayes分类器对博客文章进行分类。当我验证我的数据集而没有k-折叠交叉验证时，我得到了一个0.6的精度分数，但当我进行k-折叠交叉验证时，每一个折叠都会呈现出一个更高的精度(大于0.8)。例如：
浏览 2提问于2015-02-20得票数 0
回答已采纳
1回答
在多层感知器中进行交叉验证时，我要初始化哪些模型？
neural-network、cross-validation、training、mnist
因此，据我所知，交叉验证是用来确定最佳模型的。假设我使用的是5倍交叉验证，这意味着我必须制作5种不同的模型，但是，如何进行这些单独模型的培训呢？特别是，我有以下问题：我要用什么来初始化每个模型？(随机
浏览 0提问于2018-09-29得票数 1
回答已采纳
1回答
评价最佳模型
machine-learning-model、overfitting
假设我有两个模型列车精度= 92.4%测试精度= 35.3%列车精度= 37.0%测试精度= 34.1%
哪个是最好的模特？
浏览 0提问于2022-09-07得票数 1
2回答
深度神经网络的交叉验证
tensorflow、deep-learning、cross-validation
如何在深度神经网络中进行交叉验证？我知道，执行交叉验证，将训练它在所有褶皱，除了一个，并测试它的排除褶皱。然后这样做k倍，并平均每一次的准确性。您如何在每次迭代中做到这一点。您是否在每次折叠时更新参数？还是为每次迭代执行k折叠交叉验证？或者，每一次训练都是在所有的折叠上进行的，只是一次迭代吗？
浏览 2提问于2017-06-10得票数 7
1回答
如何计算交叉验证中的折叠数(k-折叠)？
machine-learning、python、scikit-learn、cross-validation
当我应用交叉验证检查模型时，我对如何选择折叠数(在k-折叠CV中)感到困惑。它是否取决于数据大小或其他参数？
浏览 0提问于2018-02-22得票数 29
回答已采纳
2回答
R: K倍交叉验证的列车数据集
r、machine-learning、classification
我正在使用R中的C5.0在心脏病数据集上做一些分类任务，在大多数情况下，数据将被分成80%用于训练，20%用于测试，我想使用k倍交叉验证(k=10)，但我对这一点感到困惑，正如我们所知道的那样，通过使用10倍交叉验证，我们将整个数据划分为9个训练子集和一个子集进行测试。是否可以将数据划分为训练数据的80%和测试数据的20%，然后对列车数据进行k倍交叉验证？或者我必须对整个数据集应用k-折叠交叉<em
浏览 0提问于2017-11-20得票数 3
1回答
神经网络-为什么我的训练错误增加，因为我增加了隐藏单位(神经元)？
validation、neural-network、training-data
我使用k-折叠交叉验证，10倍- 16200点和1800个验证点在每个折叠.为什么会这样？我很难相信过度拟合的发生，因为大量的数据点被使用(所有10倍，即162000训练点，尽管每次重复9次)。
非常感谢您的帮助和建议！
浏览 2提问于2017-04-04得票数 1
回答已采纳
1回答
K倍交叉验证.如何计算规则参数/超参数.算法的参数
machine-learning
K次交叉验证将数据分成k个回收箱，每次使用k-1桶进行训练，使用1个桶进行测试。这是所有培训的平均值，还是从k倍交叉验证中的最佳输出中挑选出来的？我们是否需要在k折叠交叉验证中运行相同的ML算法，还是每个折叠都有不同的算法？我认为我们只需要为k折叠运行一个算法，对于每一个单独的算法，我们需要运行k-折叠交叉验证。
浏览 0提问于2021-07-26得票数 3
回答已采纳
2回答
如何应用叠加交叉验证的时间序列数据？
time-series、cross-validation、ensemble-learning
通常，堆叠算法使用K-折叠交叉验证技术来预测用于二级预测的oof验证。在时间序列数据(如股票走势预测)的情况下，不能使用K-折叠交叉验证，而时间序列验证(一种在sklearn lib上提出的)适合于评估模型的性能。如何使用时间序列数据的叠加算法交叉验证技术？
浏览 0提问于2018-11-18得票数 5
回答已采纳
1回答
EM-ELM交叉验证
machine-learning、neural-network、cross-validation
我知道交叉验证用于找到最大限度减少平均误差的最佳超参数。例如，将交叉验证的平均误差最小化的神经元数在ELM中估计。冯，G，黄，G.B.IEEE关于神经网络的交易，20 (8)，1352-1357。
其中，使用训练集自动估计体系结构。在EM-ELM中应用交叉验证的最佳和最标准方法是什
浏览 0提问于2018-07-05得票数 4
1回答
是否在交叉验证之前或之后使用imblearn管道进行过采样？
python-3.x、scikit-learn、xgboost、imblearn
在对训练数据进行交叉验证以验证我的超参数之前，我已经将数据分成了训练/测试。我有一个不平衡的数据集，希望在每次迭代中执行平滑过采样，所以我已经使用imblearn建立了一个管道。我的理解是，在将数据划分为k-折叠后，应该进行过采样，以防止信息泄漏。在下面的设置中使用Pipeline时，这种操作顺序(数据分裂为k-折叠，k-1折叠过采样，预测剩余折叠)<e
浏览 1提问于2019-05-06得票数 6
回答已采纳
1回答
如何同时使用交叉验证和提前停止？
machine-learning、deep-learning、cross-validation
我必须使用K-折叠交叉验证来训练我的模型，但同时我想使用提前停止来防止过度拟合。怎么做呢？由于提前停止将在每个折叠中返回不同的模型，因此折叠精度的平均值是否意味着什么？
浏览 27提问于2019-10-09得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
活动推荐
腾讯云开发者
