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：

多训练你的模型一点：我认为两个时代太少了，不足以让你的模型理解数据中的模式。尽量减少学习速度，增加历次次数

尝试不同的体系结构：您可以更改卷积、过滤器和层的数量，也可以使用不同的激活功能和其他层，如最大池

进行错误分析：完成培训后，将模型应用于测试集并查看错误。你有多少假阳性和假阴性？你的模型对一个类的分类比另一个更好吗？您可以在错误中看到可能与数据相关的模式

---

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。