训练、验证和测试集的分布？
Distribution of training, validation, and test set?
我想问下train、validation、test set的分布？
让我们假设，我想用 'cat' 和 'dog'.
中的两个 class 制作一个二进制 resnet classifier
假设每个 class 图像的名称是：
猫：a、b、c、d、e
狗：f、g、h、i、j
假设我希望每个 class 中的 2 个图像成为 测试集 和 1 来自每个 class 的图像成为 验证集 .
哪种分配方案才是正确的？
方案一
测试集
猫：a，b
狗：我，j
训练集
猫: c, d
狗: f, g
设定值
猫：e
狗：h
方案二
测试集
猫：a，b
狗：我，j
训练集
猫：c、d、e
狗：f、g、h
设定值
猫：e
狗：h
让我感到困惑的是，验证集是像方案2中那样也是训练集的成员吗？还是验证集是来自训练集的separate/different就像 方案 1 一样？
感谢帮助
训练集、验证集、测试集——这三个集必须完全不同。在单个纪元的执行过程中，一个不能溢出到另一个。
Training Set用于训练模型，即学习权重。
验证集用于根据性能微调超参数。在达到令人满意的模型之后，将测试集带入画面。
测试集就像一个惊喜，真正的展示。直到模型最终确定后才能看到。它有助于分析真正意义上的学习模型。
如何区分它们？最好将它们随机分开，并在每个集合中平均分配每个 class。
对于培训，您还可以查看 CrossValidation。它有助于消除在训练和验证同一组图像时可能出现的偏差。
我想问下train、validation、test set的分布？ 让我们假设，我想用 'cat' 和 'dog'.
中的两个 class 制作一个二进制 resnet classifier假设每个 class 图像的名称是：
猫：a、b、c、d、e
狗：f、g、h、i、j
假设我希望每个 class 中的 2 个图像成为 测试集 和 1 来自每个 class 的图像成为 验证集 .
哪种分配方案才是正确的？
方案一
测试集
猫：a，b
狗：我，j
训练集
猫: c, d
狗: f, g
设定值
猫：e
狗：h
方案二
测试集
猫：a，b
狗：我，j
训练集
猫：c、d、e
狗：f、g、h
设定值
猫：e
狗：h
让我感到困惑的是，验证集是像方案2中那样也是训练集的成员吗？还是验证集是来自训练集的separate/different就像 方案 1 一样？ 感谢帮助
训练集、验证集、测试集——这三个集必须完全不同。在单个纪元的执行过程中，一个不能溢出到另一个。
Training Set用于训练模型，即学习权重。
验证集用于根据性能微调超参数。在达到令人满意的模型之后，将测试集带入画面。
测试集就像一个惊喜，真正的展示。直到模型最终确定后才能看到。它有助于分析真正意义上的学习模型。
如何区分它们？最好将它们随机分开，并在每个集合中平均分配每个 class。
对于培训，您还可以查看 CrossValidation。它有助于消除在训练和验证同一组图像时可能出现的偏差。