Deep learning 我如何验证我的模型在深度学习中是否实际正常运行?
我有一个大约6K个化学公式的数据集,我正在通过Keras的标记化进行预处理,以执行二进制分类。我目前使用的是一个带辍学的一维卷积神经网络,经过两个阶段后,我获得了82%的准确率和80%的验证准确率。无论我尝试什么,模型只是在那里停滞不前,似乎根本没有改善。香草LSTM也能达到同样的准确度。我还可以尝试什么来提高我的准确度?损失仅相差0.04。。。有人有什么想法吗?这两种模型都使用嵌入层,更改输出维度也没有效果。根据您的回答,我相信您的模型具有高偏差和低方差(有关更多详细信息,请参阅)。因此,您的模型无法很好地拟合数据,并导致拟合不足。所以,我建议你做三件事:Deep learning 我如何验证我的模型在深度学习中是否实际正常运行?,deep-learning,keras,conv-neural-network,Deep Learning,Keras,Conv Neural Network,我有一个大约6K个化学公式的数据集,我正在通过Keras的标记化进行预处理,以执行二进制分类。我目前使用的是一个带辍学的一维卷积神经网络,经过两个阶段后,我获得了82%的准确率和80%的验证准确率。无论我尝试什么,模型只是在那里停滞不前,似乎根本没有改善。香草LSTM也能达到同样的准确度。我还可以尝试什么来提高我的准确度?损失仅相差0.04。。。有人有什么想法吗?这两种模型都使用嵌入层,更改输出维度也没有效果。根据您的回答,我相信您的模型具有高偏差和低方差(有关更多详细信息,请参阅)。因此,您的
最后,如果这些建议对您没有帮助,您也可以尝试增加功能的数量,如果可能。可能是数据处理或模型设置有问题。你看过预测了吗?我想其中一个原因可能是我的数据不平衡——当我对其中一个类采样不足时,模型开始正常运行。我假设你的数据已经平衡,因为你没有在问题中指定它。不过很高兴看到它有所帮助。