는 신경망 전처리

Question

내가 정규화 된 내 데이터를 가지고 있고이 3 개의 입력과 하나의 출력 내 질문이 NN 데이터 예측에 대해 학교 프로젝트에서 일하고 있어요

은 용기 중량을 측정 한 데이터 사이의 차이가 무엇

• 입니다 테스트 데이터는 교육 오류

것입니다

찾기가 지배

무엇을 테스트하고 속도가 어떤 임의의 숫자 그것은이거나 (입력 데이터로 가정 학습 데이터와 테스트 출력 데이터입니다)

마지막 질문은 내 데이터를 교육 한 후입니다. 오류에 대해 뭔가 기억하고 있습니다. 확실하지 않습니다. 그러나 내 예측 오류 및 찾을 방법을 찾아야합니까?

내 질문이 분명하지 않을 수도 있습니다. 그러나 나는 혼란스럽고 최대한 많이 설명하려고 노력했습니다.

Answer 1

학교 정신에 대한 답변 : 10 가지 해결 된 연습 문제가 있다고 가정 해 봅시다. 당신은 그것들을 연구하고, 교사는이 정확한 연습에 대해 당신을 시험합니다. 당신은 시험을 잘합니다. 그러나 중요한 질문이 있습니다. 왜 잘 했니? 연습 문제를 정말로 이해 했습니까? 아니면 그냥 암기 했습니까? 그리고 교사는 어떻게 알 수 있습니까 ??

는 하나의 방법이 : 선생님은 유사한하지만 다른 운동의 세트에 당신을 테스트해야합니다. 당신이 그들에게도 잘한다면, 당신은 주제에 대한 느낌을 갖게되고, 은 당신이 획득 한 지식을 일반화 할 수 있습니다. 그렇지 않다면, 아마 물건을 이해하지 않고 암기했을 것입니다. 이런 종류의 지식은 쓸모가 없다.

신경망에서도 마찬가지입니다. 패턴을 (훈련 세트) 사용하여 훈련시킵니다. 그러나 일반화 할 수 있는지 확인하려면 네트워크에서 정답을 모른 채 다른 패턴 세트 (테스트 세트)로 테스트해야합니다. 이상적으로, 당신은 두 세트 사이의 성능에서 작은 차이를 가져야합니다. 그것은 좋은 일반화 능력입니다.

따라서 열차와 테스트 세트는 입력이 아니라 출력입니다. 유일한 차이점은 사용하는 경우, 훈련 중에 설정된 교육 및 그 후에 설정된 테스트입니다. 교육/테스트 세트 비율은 교육/테스트 세트 각각에 대해 정확 한 백분율입니다. 교육/테스트 오류는 상호 보완 적입니다. 즉, 잘못한 비율입니다.

Answer 2

나는이 응답이 늦게 올 수도 알고 있지만 난 그냥 에 입력 - 출력 쌍입니다 훈련 세트와 테스트 세트모두 학습 감독 것을 말함으로써 이전의 답을 보완 할 것이다. 구조만으로는 정확히 동일합니다. 입력 집합과 해당 출력 (또는 레이블) 쌍입니다. 둘 사이의 구조에는 차이가 없습니다.

blue_note가 말한대로, 그들은 다른 경우에 사용되었습니다. 하나는 훈련 중이고 다른 하나는