答えはノーだと確信していますが、確認したかったのです...
ニューラル ネットワークまたはその他の学習アルゴリズムをトレーニングする場合、コスト関数 J(θ) を、アルゴリズムがトレーニング データにどれだけ適合するかを表す式として計算します (値が大きいほど、データにあまり適合しないことを意味します)。アルゴリズムをトレーニングするとき、通常、勾配降下の反復ごとに J(theta) が低下することを期待します。
しかし、私はただ興味があります.テストデータに対してJ(θ)を計算する価値はありますか?
テスト データを 1 回しか評価しないため、J(θ) の値は 1 つしか得られず、他の値と比較する場合を除いて意味がないため、答えはノーだと思います。