Machine learning 测试集和开发集与培训集和开发集的分布是否应该不同
假设我正在构建一个网络来定位一个对象。我的训练数据包括在5个不同位置拍摄的图像，它是一个小数据集（每个位置大约有2k个图像）。我是否应该添加所有图像，将它们重新排列，然后将它们分发到训练（60%）、开发（20%）、测试（20%）中，或者我应该从3个位置获取数据作为训练，1个位置作为测试，1个位置作为开发。理想情况下，训练集、测试集和验证集应该从相同的分发中提取，因此，您应该添加所有图像，将它们洗牌，然后将它们分发到培训（60%）、开发（20%）、测试（20%）中。此外，这将帮助您的网络对位置更具不变性（因为它将学习忽略5个位置对3个位置），并有更好的机会在增加多样性的情况下进行泛化Machine learning 测试集和开发集与培训集和开发集的分布是否应该不同,machine-learning,neural-network,deep-learning,conv-neural-network,Machine Learning,Neural Network,Deep Learning,Conv Neural Network,假设我正在构建一个网络来定位一个对象。我的训练数据包括在5个不同位置拍摄的图像，它是一个小数据集（每个位置大约有2k个图像）。我是否应该添加所有图像，将它们重新排列，然后将它们分发到训练（60%）、开发（20%）、测试（20%）中，或者我应该从3个位置获取数据作为训练，1个位置作为测试，1个位置作为开发。理想情况下，训练集、测试集和验证集应该从相同的分发中提取，因此，您应该添加所有图像，将它们洗牌，然后将它们分发到培训（60%）、开发（20%）、测试（20%）中。此外，这将帮助您的网络对位置更具