測試集是否用於使用keras更新深度學習模型中的權重？

Question

我想知道測試集的結果是否用於優化模型權重。 我正在嘗試建立模型，但是我遇到的問題是我沒有太多數據，因為他們是醫學研究患者。 在我的情況下，患者人數有限（61），每個患者有5個特征向量。 我試圖通過排除一個主題來創建深度學習模型，然后將排除主題用作測試集。 我的問題是受測者特征存在很大的差異，我的模型非常適合訓練集（60個受測者），但不適用於1個被排除的受測者。 因此，我想知道是否可以以某種方式使用測試集（在我的情況下為排除的主題）以使模型收斂，從而更好地對排除的主題進行分類？

Answer 1

您不應在訓練過程中使用數據集的測試數據。 如果您的訓練數據不夠用，那么這幾天（尤其是醫學圖像） 經常使用的一種方法就是數據增強 。 因此，我強烈建議您在訓練過程中使用此技術。 擁有受限數據時如何使用深度學習是有關數據擴充的很好的教程之一。

Answer 2

不，您不會使用測試集進行訓練來防止過度擬合，如果您使用交叉驗證原則，則需要將數據精確地分成三個數據集，一個訓練集將用於訓練模型，一個驗證集用於測試您的超參數的不同值，以及測試集以最終測試模型，如果您使用所有數據進行訓練，則模型顯然會過擬合。

如果您擁有大量且非常豐富的數據集，請記住一件事，深度學習就可以很好地工作