神經網路的 K 折交叉驗證我的問題涉及人工神經網路 (NN) 的 K 折交叉驗證的使用。 具體來說，我想知道最終的NN模型參數來自哪裡？ 它們是透過擬合整個資料集獲得的嗎？ 或者，它們是否來自用於訓練的由 K-1 折疊組成的 K 個資料集之一？ 如果是這樣，最佳訓練資料集是如何選擇的？ SAS文檔對此問題沒有明確說明。 有人有答案嗎？
回覆：神經網路的 K 折交叉驗證因此，最終的模型參數似乎是那些適合「最終模型訓練集」的參數，「最終模型訓練集」是與產生最佳對數似然的「驗證集」相對應的訓練集。 有道理，但描述讓我困惑。 感謝您的答覆。
回覆：神經網路的 K 折交叉驗證我的理解是使用 K 個模型中最好的參數。
這是來自廣義回歸平台的幫助文檔，但我希望同樣適用於神經平台： https://www.jmp.com/support/help/en/15.1/#page/jmp/validation-method-options.shtml
「對於調整參數的每個值，執行以下步驟：
– 觀察結果被劃分為 k 個子集或折疊。
–依次，每個折疊都用作驗證集。 模型適合不在折疊中的觀察結果。 針對折疊中的觀測值計算是基於此模型的對數似然，從而提供驗證對數似然。
– 計算 k 次摺疊的驗證對數似然平均值。 該值用作調整參數值的驗證對數似然。
具有最大驗證對數似然的調整參數值用於建立最終解決方案。 為了獲得最終模型，針對調整參數的最佳值所導出的所有 k 個模型都適合整個資料集。 其中，具有最高驗證對數似然的模型被選為最終模型。 用於此最終模型的訓練集被指定為訓練集，該模型的保留折疊被指定為驗證集。 這些是最終解決方案的繪圖和報告結果中使用的訓練和驗證集。”
