深度学习技术应用 课件 项目3-第7节_动物识别模型的优化_V1.0.pptx

项目三：动物模型开发;模型优化的意义

训练和泛化误差

K折交叉验证;;训练误差：指模型在训练数据集上表现出的误差。

泛化误差：指模型在任意?个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。

训练误差的期望小于或等于泛化误差。也就是说，?般情况下，由训练数据集学到的模型参数会使模型在训练数据集上的表现优于或等于在测试数据集上的表现。由于无法从训练误差估计泛化误差，?味地降低训练误差并不意味着泛化误差?定会降低。所以机器学习模型应关注降低泛化误差。;由于验证数据集不参与模型训练，当训练数据不够?时，预留?量的验证数据显得太奢侈。?种改善的方法是K折交叉验证（K-foldc