Machine learning 在下面的示例中，避免过度拟合的最佳方法是什么？

我有一个8层完全连接的神经网络，其训练提供以下精度和损失进度：

<> P>在模型开始过拟合之前，你认为最好的时期是什么？p> 紫色的那个？（第39纪元——损失似乎减少了下降，导致培训和验证之间的差距增大）

橙色的那个？（第84纪元——停滞前的最低损失）

---

还是另一点？

如果你想像那样使用它，那么过度拟合不应该是这里的重点，最好的结果（本例中的val损失）更重要。 但是如果你想重新训练它，你最好两种都试一下

---

顺便说一句，8层FC层！！在我看来，这似乎太多了，你没有梯度消失问题吗？

迭代次数不是过度拟合模型的真正问题，你应该选择更好的

---

要对过度拟合进行元素化，应使用交叉验证、正则化、feauture选择

所以，根据我的理解，你会选择最好的结果，即最低的验证损失-在本例中是橙色线-epoch 84，对吗？你是说过度拟合是架构的唯一问题，而不是过度训练的问题？