
1、说明你训练集中数据的多样性并不是太全面
2、基于1的基础上,你应该选测试精度高的。当loss越低,代表着对于本数据的答案标签拟合程度越高,反之loss越高,代表着对于本数据的答案标签拟合程度越高。
过拟合经常发生:
先看范例:
运行结果:
模型在训练集上的精度是98.5%, 在测试集上的精度是90.0%,显然发生过拟合了。
解决办法:
加入Dropout层 ,模型修改为:
运行结果:
加入权重正则化 ,模型修改为
运行结果:
模型在训练集上的精度是86.3%, 在测试集上的精度是87.4%,显然增加过Dropout+L2后,模型过拟合好了,但又发生了欠拟合
把Epochs增加为:20,其运行结果:
模型在训练集上的精度是88.02%, 在测试集上的精度是88.7%
结论:
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)