CNN 中 5 倍交叉验证的准确率差异很大的可能原因是什么？答案

【问题标题】：What are the possible reasons that accuracies in 5-folds cross validation is largely different in CNN?CNN 中 5 倍交叉验证的准确率差异很大的可能原因是什么？
【发布时间】：2020-09-18 23:06:50
【问题描述】：

我是神经网络的新手。我刚刚开始了一个使用 CNN 的项目，这个项目使用了一个包含 200 万个案例的数据集，它是从同一个协方差矩阵生成的。当我尝试 5 折交叉验证时，4 次验证的准确度报告在 0.9 左右。然而，一项验证报告的准确度仅为 0.1。我不明白为什么会这样。我认为因为所有数据都是从同一个协方差矩阵生成的，所以所有验证的准确度都应该很低或很高。我使用下面的 train_test_split 函数进行了折叠：

for I in range(0, n_folds):
    t_x, val_x, t_y, val_y = train_test_split(flat_act_list, flat_act_list_T, test_size=0.2, shuffle=False)

我是否犯了一些错误？有人能解释一下这种情况（每次验证的准确性差异很大）何时会发生吗？

【问题讨论】：

标签： tensorflow validation conv-neural-network variance k-fold

【解决方案1】：

您的数据集似乎是有序的。尝试将shuffle=False 更改为shuffle=True，您的交叉验证应该更接近。

【讨论】：