Ответ на этот вопрос относительно того, как усреднить веса различных моделей. Но мой вопрос касается того, как получить лучшие веса из 5 различных тестовых наборов, которые имеют одинаковую архитектуру, они просто обучались различным данным. Более конкретно c, если у меня есть набор данных временных рядов, и я хочу провести обратное тестирование результатов нейронной сети. Чтобы не использовать одни и те же даты, я плюю на даты: 80% поезд и 20% тест, и я случайным образом выбираю 5 комплектов, которые будут включать все даты, а также обучаю и тестирую 5 моделей, чтобы включить все даты. Является ли средний вес лучшим или есть другой способ получить лучший конечный вес? Конечно, это для проверки результатов. Если мне нужны были мои окончательные веса без бэк-теста, могу ли я просто запустить модель со случайно выбранными наборами поездов и тестов (используйте начальные веса из предыдущих запусков) и l oop через более случайно выбранные наборы поездов / тестов, обновив веса. Просто кажется, что я бы перегрузил данные, если бы сделал это, поскольку следующий случайно сгенерированный поезд / тест может включать данные предыдущих поездов в данные теста. Какие-либо предложения?