Fatal编程技术网
  • machine-learning/
  • Machine learning 使用模型中的概率作为另一个模型的特征

Machine learning 使用模型中的概率作为另一个模型的特征

machine-learning deep-learning

Machine learning 使用模型中的概率作为另一个模型的特征,machine-learning,deep-learning,Machine Learning,Deep Learning,我想使用一个模型的概率输出作为另一个模型的特征 例如，我想确定图片上的鸟是什么样的，我想使用CNN，训练它，然后使用概率结果和其他数据，比如鸟的大小和重量，然后将其输入svm 我是否需要使用训练和测试集来使用CNN提取这些概率？我应该将我的数据集划分为多个折叠，然后提取每个不同测试折叠的概率，还是可以对所有数据进行训练和测试并保存概率？测试集旨在验证分类器是否达到其目标，或者设置超参数。在本例中，您对CNN的输出不感兴趣，因为它只是更大画面中的中间层 话虽如此，您显然没有通过输入反向传播SVM错

我想使用一个模型的概率输出作为另一个模型的特征

例如，我想确定图片上的鸟是什么样的，我想使用CNN，训练它，然后使用概率结果和其他数据，比如鸟的大小和重量，然后将其输入svm

我是否需要使用训练和测试集来使用CNN提取这些概率？我应该将我的数据集划分为多个折叠，然后提取每个不同测试折叠的概率，还是可以对所有数据进行训练和测试并保存概率？

测试集旨在验证分类器是否达到其目标，或者设置超参数。在本例中，您对CNN的输出不感兴趣，因为它只是更大画面中的中间层

话虽如此，您显然没有通过输入反向传播SVM错误。这是两阶段模型的结果。如果你这样做了，你将优化CNN，将其用作特定SVM的输入

那么在这种情况下，训练和测试一个CNN就可以了？卢卡斯·拉莫斯：让我们假设一下，CNN确实是过度装修了。问题是CNN输出对于训练数据是最优的，但是在其他数据上存在泛化错误。你会用同样的数据训练SVM吗？如果是这样，那么支持向量机将遭受其输入的泛化误差。如果不是，SVM将否定这些