测试集是否用于使用keras更新深度学习模型中的权重？

Question

我想知道测试集的结果是否用于优化模型权重。 我正在尝试建立模型，但是我遇到的问题是我没有太多数据，因为他们是医学研究患者。 在我的情况下，患者人数有限（61），每个患者有5个特征向量。 我试图通过排除一个主题来创建深度学习模型，然后将排除主题用作测试集。 我的问题是受测者特征存在很大的差异，我的模型非常适合训练集（60个受测者），但不适用于1个被排除的受测者。 因此，我想知道是否可以以某种方式使用测试集（在我的情况下为排除的主题）以使模型收敛，从而更好地对排除的主题进行分类？

Answer 1

您不应在训练过程中使用数据集的测试数据。 如果您的训练数据不够用，那么这几天（尤其是医学图像） 经常使用的一种方法就是数据增强 。 因此，我强烈建议您在训练过程中使用此技术。 拥有受限数据时如何使用深度学习是有关数据扩充的很好的教程之一。

Answer 2

不，您不会使用测试集进行训练来防止过度拟合，如果您使用交叉验证原则，则需要将数据精确地分成三个数据集，一个训练集将用于训练模型，一个验证集用于测试您的超参数的不同值，以及测试集以最终测试模型，如果您使用所有数据进行训练，则模型显然会过拟合。

如果您拥有大量且非常丰富的数据集，请记住一件事，深度学习就可以很好地工作