K-fold Cross-Validation - 在每次折叠后初始化网络？答案

【问题标题】：K-fold Cross-Validation - initialise network after each fold or not?K-fold Cross-Validation - 在每次折叠后初始化网络？
【发布时间】：2017-06-22 11:55:45
【问题描述】：

我主要了解 k 折交叉验证的工作原理，并已开始在我的 MATLAB 脚本中实现它，但是我有两个问题。

当使用它来选择网络特征时（在我的例子中，隐藏单元、权重衰减和没有迭代）。我应该在每次“折叠”之后重新初始化权重，还是应该将下一个训练折叠输入到已经训练好的网络中（它的权重已针对前一个折叠进行了优化）？

似乎执行后者应该会产生较低的错误，因为前一折数据将是下一个数据的良好近似值，因此权重将比从高斯分布随机初始化的权重更接近。

此外，在使用 k-fold 验证验证了网络，并选择了网络超参数等之后，我想开始使用网络，我是否认为我应该停止使用 k-fold 验证并只训练一次，使用所有可用数据？

非常感谢您的帮助。

【问题讨论】：

标签： matlab validation neural-network training-data

【解决方案1】：

是的，您应该在每次折叠后重新初始化权重，以便从“空白”网络开始。如果你不这样做，那么每个折叠都会“泄漏”到彼此中，这不是 K-Fold CV 应该做的。

找到最佳超参数后，是的，您可以使用所有可用数据对其进行训练。请记住为最终测试保留一些保留测试数据。

【讨论】：

非常感谢，这正是我希望听到的。