我有几个关于 pyBrain 中 trainUntilConvergence 的新手问题。
trainUntilConvergence 将数据集分为训练集和验证集（默认为 25% 用于测试）。这是正确的吗？
在每个 epoch 之后报告的错误是验证集上的错误还是训练集上的错误？
当验证集的错误不再减少时，网络是否被认为是收敛的（从而停止执行）？或者当训练集上的错误不再减少时？ （我认为是前者，否则为什么要使用一部分进行验证？）
选择用于验证的数据部分是连续的（例如数据集的最后 x%）还是从数据中随机选择 x% 的行？
谢谢！
【问题讨论】：
标签： pybrain
根据documentationtrainUntilConvergence，接受几个参数。如下图所示。是的，它默认使用 25% 作为验证集。
trainUntilConvergence(dataset=None, maxEpochs=None, verbose=None, continueEpochs=10, validationProportion=0.25)
您可以将validationProportion 参数更改为您认为合适的其他值。验证集的比例是值得商榷的，没有一刀切的比例。您需要尝试它们以适合您的情况。
trainUntilConvergence方法在您的数据集上进行训练，直到验证集上的误差在一定数量的时期内不再减少。您可以通过更改 continueEpochs 参数来改变训练者在停止训练之前考虑的 epoch 数。默认为 10。换句话说，如果验证集上的错误在连续 10 个 epoch 内没有改善，则终止训练。这也称为early stopping 方法，广泛用于训练神经网络。
关于验证集的连续性，我不确定。但从逻辑上讲，它应该随机选择。
【讨论】：