神经网络的 K 折交叉验证我的问题涉及人工神经网络 (NN) 的 K 折交叉验证的使用。 具体来说，我想知道最终的NN模型参数来自哪里？ 它们是通过拟合整个数据集获得的吗？ 或者，它们是否来自用于训练的由 K-1 折叠组成的 K 个数据集之一？ 如果是这样，最佳训练数据集是如何选择的？ SAS文档对此问题没有明确说明。 有人有答案吗？
回复：神经网络的 K 折交叉验证因此，最终的模型参数似乎是那些适合“最终模型训练集”的参数，“最终模型训练集”是与产生最佳对数似然的“验证集”相对应的训练集。 很有道理，但描述让我困惑。 感谢您的答复。
回复：神经网络的 K 折交叉验证我的理解是使用 K 个模型中最好的参数。
这是来自广义回归平台的帮助文档，但我希望同样适用于神经平台： https://www.jmp.com/support/help/en/15.1/#page/jmp/validation-method-options.shtml
“对于调整参数的每个值，执行以下步骤：
– 观察结果被划分为 k 个子集或折叠。
–依次，每个折叠都用作验证集。 模型适合不在折叠中的观察结果。 针对折叠中的观测值计算基于该模型的对数似然，从而提供验证对数似然。
– 计算 k 次折叠的验证对数似然平均值。 该值用作调整参数值的验证对数似然。
具有最大验证对数似然的调整参数值用于构建最终解决方案。 为了获得最终模型，针对调整参数的最佳值导出的所有 k 个模型都适合整个数据集。 其中，具有最高验证对数似然的模型被选择作为最终模型。 用于该最终模型的训练集被指定为训练集，该模型的保留折叠被指定为验证集。 这些是最终解决方案的绘图和报告结果中使用的训练和验证集。”
