Python 测试准确度能否大于验证准确度?
我正在使用FER-2013数据集进行面部表情识别,验证准确率为67.317%,测试准确率为68.960%。得到这样的结果是否正确?理论上,测试精度可能高于验证精度。Python 测试准确度能否大于验证准确度?,python,machine-learning,keras,Python,Machine Learning,Keras,我正在使用FER-2013数据集进行面部表情识别,验证准确率为67.317%,测试准确率为68.960%。得到这样的结果是否正确?理论上,测试精度可能高于验证精度。 假设我们有以下数据点: X Y 1 0 1 2 1 2 3 2 1 4 3 2 5 4 0 6 5 2 我们想要建立一个线性回归(对于像面部识别这样的分类问题也是如此)。假设第1-4点用于培训,第5点用于验证,第6点用于测试。这只是一个简单的例子。 通过取1-4点进行训练
假设我们有以下数据点:
X Y
1 0 1
2 1 2
3 2 1
4 3 2
5 4 0
6 5 2
我们想要建立一个线性回归(对于像面部识别这样的分类问题也是如此)。假设第1-4点用于培训,第5点用于验证,第6点用于测试。这只是一个简单的例子。通过取1-4点进行训练,我们的回归方程为:
ŷ = 0.2X + 1.2
现在,让我们计算MSE(对于分类问题的准确性,它是等效的)。验证错误:
(0.2*4+1.2-0)^2=7.84
测试错误:
(0.2*5+1.2-2)^2=1.44
如您所见,验证错误高于测试错误
但这个样本只是理论上的。一般来说,测试错误高于验证错误为什么?
您可以使用验证集来调整超参数。因此,通过调整超参数,验证错误将减少,并低于测试错误,因为您没有为测试集调整超参数。
因此,如果验证集的精度低于测试集,则可能是您没有正确调整模型的超参数。您得到了它,那么为什么它不正确呢?测试/验证指标没有限制。请您指导我如何继续检查模型超参数的调整。谢谢你的帮助。