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 >训练精度低于测试精度(MLP/Dropout)

问训练精度低于测试精度(MLP/Dropout)
EN

Data Science用户

提问于 2020-12-23 11:10:40

回答 1查看 232关注 0票数 0

我正在研究MLP的多类分类问题。我已经将dropout设置为每个中间层。现在我观察到训练精度比测试精度低10%左右。

我的猜测是，dropout只在训练期间是活跃的，但在测试期间是不活跃的。因此，部分神经元在训练时会被重置(导致精确度低)，但它不会在测试中发生。

我的问题：

我的理解正确吗？换句话说，如果去掉dropout部分，训练精度会提高，但测试精度将保持不变吗？
当报告MLP的准确性时，我应该报告训练的精确性还是测试的准确性？

EN

回答 1

Data Science用户

回答已采纳

发布于 2020-12-23 13:10:48

是的，你的理解是正确的:辍学可能是原因。尽管如此，您只能确定，如果您评估的培训数据与辍学的残疾。
这取决于上下文，但通常您会报告测试的准确性。

票数 1

EN

页面原文内容由Data Science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://datascience.stackexchange.com/questions/87054

复制

相似问题