Entonces, no debería haber ninguna diferencia si mezclas o no los datos de prueba o validación (a menos que estés calculando alguna métrica que depende del orden de las muestras), dado que no calculará ningún gradiente, sino solo la pérdida o alguna métrica/medida como la precisión, que no es sensible al orden…
¿Por qué se deben barajar los datos cuando se utiliza la validación cruzada?
esto ayuda a que el entrenamiento converja rápidamente . evita cualquier sesgo durante el entrenamiento. evita que el modelo aprenda el orden del entrenamiento.
¿Puedo mezclar el conjunto de validación?
Un modelo primero se entrena en A y B combinados como el conjunto de entrenamiento, y se evalúa en el conjunto de validación C. … La validación cruzada solo funciona en los mismos casos en los que puede mezclar aleatoriamente sus datos para elegir un conjunto de validación.
¿Para qué se usa el barajado de datos?
Mezcla de datos. En pocas palabras, las técnicas de barajado tienen como objetivo mezclar datos y, opcionalmente, pueden retener relaciones lógicas entre columnas. Mezcla aleatoriamente datos de un conjunto de datos dentro de un atributo (p. ej., una columna en un formato plano puro) o un conjunto de atributos (p. ej., un conjunto de columnas).
¿Importa el orden de los datos en el aprendizaje automático?
¿Importa el orden de los datos de entrenamiento cuando se entrenan redes neuronales? - Quora. Es extremadamente importante mezclar los datos de entrenamiento para que no obtenga minilotes completos de ejemplos altamente correlacionados. Mientraslos datos han sido mezclados, todo debería funcionar bien.
