- 当有训练集、验证集和测试集的时候，可以通过验证集来监控模型是否发生过拟合，以及时停止训练，而测试集是用来评估最终模型泛化能力。当使用十折交叉验证后，九成的数据用作训练集，一成的数据用作验证集，在训练的过程中，是不是当验证集的准确率收敛后就可以停止训练呢？（我现在的做法就是这样的）
- 当模型应用十折交叉验证跑完后，会得到10个不同验证集的准确率。我是最后计算不同模型的10个验证集的平均准确率，选择平均准确率最高的模型作为最终模型，这样可以吗？（我看网上有的说是选择具有最小泛化误差的模型作为最终模型，不知道是应该选择最小泛化误差还是最大平均准确率）
- 当确定最终模型后，使用全部数据作为训练集进行训练，那么在没有验证集的情况下，如何确定epoch使得模型结果不会过拟合呢？是在每次epoch训练后，通过训练集本身的准确率是否已经收敛来及时停下吗（我感觉这样做比较容易过拟合，因此我现在的做法是在刚好超过 使用十折交叉验证时验证集的平均准确率 的时候就停了下来）？
- 对我们的原始数据集进行了四种不同的处理（或者说划分）：random、expert、bundle和table，处理后使用十折交叉验证，发现random方法下，在验证集准确率收敛后，其准确率有0.88左右，训练集的准确率可以达到0.96以上，这是不是算是过拟合呢？
使用同样的超参数（如learning rate，epoch，batch size，dropout rate等都一样），在expert等其他三种划分下，在验证集准确率收敛后，其准确率只有0.68左右，但训练集的准确率依旧可达0.96以上，这是明显的过拟合吗？0.68的准确率能反应这个数据集在这种情况下划分的泛化能力吗？
https://blog.csdn.net/jp_zhou256/article/details/85248578