Så, det borde inte göra någon skillnad om du blandar eller inte test- eller valideringsdata (såvida du inte beräknar något mått som beror på ordningen på proven), givet att du inte kommer att beräkna någon gradient, utan bara förlusten eller något mått/mått som noggrannheten, som inte är känslig för ordningen …
Varför ska data blandas när man använder korsvalidering?
it hjälper träningen att konvergera snabbt . det förhindrar all fördom under träningen. det hindrar modellen från att lära sig träningsordningen.
Kan jag blanda valideringsinställningen?
En modell tränas först på A och B kombineras som träningsuppsättningen och utvärderas på valideringsuppsättningen C. … Korsvalidering fungerar bara i samma fall där du kan slumpmässigt blanda din data för att välja en valideringsuppsättning.
Vad används datablandning till?
Datablandning. Enkelt uttryckt, blanda tekniker syftar till att blanda ihop data och kan valfritt behålla logiska relationer mellan kolumner. Den blandar slumpmässigt data från en datauppsättning inom ett attribut (t.ex. en kolumn i ett rent platt format) eller en uppsättning attribut (t.ex. en uppsättning kolumner).
Betyder ordning på data i maskininlärning?
Har ordningen på träningsdata någon betydelse när man tränar neurala nätverk? - Quora. Det är extremt viktigt att blanda träningsdata, så att du inte får hela minibatcher med högkorrelerade exempel. Så länge somdata har blandats, allt borde fungera OK.
