r - 如何使用神经网络在 R 中进行交叉验证?
问题描述
我正在尝试使用神经网络包构建预测模型。首先,我将我的数据集分为训练(80%)和测试(20%)。但 ANN 是如此强大的技术,以至于我的模型很容易过度拟合训练集并且在外部测试集上表现不佳。 预测值与真实值 - 训练集是正确的,测试集是左侧的
有没有办法对训练集进行交叉验证,这样我的模型就不会过拟合?我如何使用自己的内置函数来做到这一点?
另外,在处理深度学习时还有其他方法吗?我听说您可以调整模型的权重,以提高其对外部数据的质量。
提前致谢!
解决方案
推荐阅读
- c - 为什么我得到 free():在 tcache 2 中检测到双重释放并中止(核心转储)*
- python - Flask SQLAlchemy - session.add 违反主键约束
- python-3.x - 节点大小在运行之间变化,而数据在运行之间没有变化
- html - 在这个 mixin 的 @if 语句中,为什么这个大于运算符不起作用?
- javascript - 如何根据选定的单选按钮值传递单选按钮值?
- discord - Discord.JS v12 移至语音通道
- azure-active-directory - 工作帐户的 microsoft graph api 错误
- python - 任何人都可以从 django 中找到为什么表单字段没有在模型中显示的错误
- typescript - 可选的泛型参数类型缩小
- reactjs - ReactJS:使用连接从两个单独的文件中分派动作