交叉验证是否用于查找最佳模型/体系结构或模型/体系结构的最佳参数

Question

在我看来，交叉验证用于通过使用尽可能多的数据来比较模型。例如，它可用于比较同一问题的感知器神经网络和决策树。或者它可以用来研究特定问题的神经网络的神经元数量。这是关于比较模型/架构的。

然而，在我看来，交叉验证

似乎不适合找到神经网络的最佳权重，因为在每一轮交叉验证中，权重都会被重新初始化。

你能证实我的观点吗？ 交叉验证仅用于比较模型/架构，不适合找到这些模型/架构的最佳参数？

谢谢。

Answer 1

你有正确的想法，是的。

通常，使用交叉验证来估计未见过的数据的准确性。此估算可帮助您选择合适的模型类型/参数等。

确定模型配置后，可以在整个数据集上训练模型。（请始终记住，整个数据集上的训练误差并不是对未见过数据误差的良好估计。