Итак, не должно иметь никакого значения, перетасовываете ли вы тестовые или проверочные данные или нет (если только вы не вычисляете какую-либо метрику, которая зависит от порядка образцов), учитывая, что вы не будете вычислять какой-либо градиент, а только потерю или некоторую метрику/меру, такую как точность, которая не чувствительна к порядку …
Почему данные должны перемешиваться при использовании перекрестной проверки?
это помогает тренировке быстро сойтись . предотвращает любую предвзятость во время обучения. это мешает модели узнать порядок обучения.
Можно ли перетасовать проверочный набор?
Модель сначала обучается на A и B, объединенных в обучающий набор, и оценивается на проверочном наборе C. … Перекрестная проверка работает только в тех же случаях, когда вы можете случайным образом перетасовать свои данные, чтобы выбрать проверочный набор.
Для чего используется перетасовка данных?
Перетасовка данных. Проще говоря, методы перетасовки направлены на то, чтобы перепутать данные и при необходимости могут сохранить логические связи между столбцами. Он случайным образом перемешивает данные из набора данных внутри атрибута (например, столбца в чисто плоском формате) или набора атрибутов (например, набора столбцов).
Имеет ли значение порядок данных в машинном обучении?
Имеет ли значение порядок обучающих данных при обучении нейронных сетей? - Квора. Чрезвычайно важно перетасовать обучающие данные, чтобы не получить целые мини-партии высококоррелированных примеров. Покаданные перемешались, все должно работать ОК.
