如何训练以正负元素作为第一层输入的卷积神经网络？

Question

只是我很好奇为什么我必须在测试集上缩放测试集，而不是在训练集上，当我在训练一个模型时，例如，CNN？！ 还是我错了？我还得在训练场上扩大规模。 另外，我可以在CNN中训练一个数据集，将正负元素作为网络的第一个输入吗？ 如有任何参考答案，我们将不胜感激。你知道吗

Answer 1

如果使用缩放和标准化，测试集应该使用训练期间使用的相同参数。 一个很好的答案是：https://datascience.stackexchange.com/questions/27615/should-we-apply-normalization-to-test-data-as-well

另外，有些模型往往需要规范化，而有些则不需要。 神经网络结构通常是健壮的，可能不需要标准化。你知道吗

Answer 2

缩放数据取决于需求以及您获得的提要/数据。测试数据只使用测试数据进行缩放，因为测试数据没有目标变量（测试数据中少了一个特征）。如果我们用新的测试数据来扩展我们的训练数据，我们的模型将不能与任何目标变量相关联，因此无法学习。所以关键的区别在于目标变量的存在。你知道吗

Answer 3

我们通常有三种数据集来训练模型

1. 训练数据集
2. 验证数据集
3. 测试数据集

训练数据集

这应该是一个均匀分布的数据集，涵盖所有种类的数据。如果您的训练有更多的历元，则模型将习惯于训练数据集，并且只对训练数据集进行适当的预测，这称为过度拟合。保持对过度拟合的检查的唯一方法是拥有其他数据集，而这些数据集是模型从未训练过的。你知道吗

验证数据集

这可以用来微调模型的超参数

测试数据集

这是一个数据集，模型没有经过训练，它从来都不是决定超参数的一部分，它将给出模型的实际运行情况。你知道吗