代码之家 › 专栏 › 技术社区 › pie

如何判断模型是否过拟合

deep-learning machine-learning

-1

pie · 技术社区 · 7 年前

我正在做一个结合CNN和LSTM模型的视频分类。在训练数据中,准确率为100%,但测试数据的准确率不高。培训数据的数量很少,每节课大约50个。在这种情况下,我可以声明正在发生过度学习吗? 还是有其他原因?

1 回复 | 直到 7 年前

1

0

Andrzej Pronobis 7 年前

如果模型的性能在培训数据上是完美的,但在测试/验证数据集上却很差,那么很可能您确实过于适合。

观察这种效果的一个好方法是在每一个培训阶段之后,对培训和验证数据的模型进行评估。您可能会注意到,当您进行培训时,验证集的性能最初会增加,然后开始降低。此时此刻,您的模型开始过度适合,您可以中断您的培训。

下面是一个图,分别用训练集和验证集上的错误对应的蓝线和红线来证明这一现象。

观察这种效果的一个好方法是在每一个培训阶段之后,对培训和验证数据的模型进行评估。您可能会注意到,当您进行培训时,验证集的性能最初会增加,然后开始降低。此时此刻,你的模特开始过度合身,你可以中断你的训练。

下面是一个图,分别用训练集和验证集上的错误对应的蓝线和红线来证明这一现象。