If there is a hyperparameter P ∈ {P

If there is a hyperparameter P ∈ {P1,...,Pk} to tune (e.g. NN or SVM), start with P1 and go through the remaining range until the generalization estimate decreases. Compute the generalization estimate of the model by using an internal validation method. For instance, if the holdout method is used, the available data are further split into training (to fit the model) and validation sets (to get the predictive estimate).

ผลลัพธ์ (ไทย) 1:

ถ้า∈ hyperparameter P {P1,... Pk } แต่ง (เช่น NN หรือ SVM), เริ่มต้น ด้วย P1 และผ่านช่วงที่เหลือจนกระทั่ง การประเมิน generalization ลด คำนวณการประเมิน generalization ของแบบจำลอง โดยใช้วิธีการตรวจสอบภายใน ตัวอย่าง ถ้าใช้วิธี holdout ข้อมูลได้จะแบ่งเพิ่มเติมฝึกอบรม (ให้พอดีกับรูปแบบ) และตรวจสอบการตั้งค่า (จะได้รับการประเมินคาดการณ์)

ผลลัพธ์ (ไทย) 2:

หากมี hyperparameter P ∈ {P1, ... , Pk} การปรับแต่ง (เช่น NN หรือ SVM) เริ่มต้นด้วย P1 และผ่านช่วงที่เหลือจนกว่าประมาณการทั่วไปลดลง คำนวณประมาณการทั่วไปของรูปแบบโดยใช้วิธีการตรวจสอบภายใน ตัวอย่างเช่นถ้าวิธีการไม่ยอมอ่อนข้อจะใช้ข้อมูลที่มีอยู่แยกต่อไปในการฝึกอบรม (เพื่อให้พอดีกับรุ่น) และชุดตรวจสอบ (ที่จะได้รับการประเมินการคาดการณ์)

ผลลัพธ์ (ไทย) 3:

หากมี hyperparameter P ∈ { P1 , . . . , PK } ปรับแต่ง ( เช่นดินหรือ SVM ) เริ่มต้นกับ P1 และผ่านช่วงที่เหลือจนกว่าจะถึงการประมาณการลดลง คำนวณการประมาณการของแบบจำลองโดยใช้วิธีการตรวจสอบภายใน ตัวอย่าง ถ้าไม่ยอมอ่อนข้อ เป็นวิธีที่ใช้ข้อมูลเพิ่มเติมจะแบ่งการฝึกเพื่อให้พอดีกับรูปแบบ ) และชุดตรวจสอบ ( เพื่อให้ได้ค่าพยากรณ์ )