Python 如何从损失函数和精度函数改进模型

我正在使用keras训练一个二元分类模型（CNN）。我添加了从训练模型中得到的损失和精度函数。根据以下函数，是否可以得出其模型的准确度为82%左右的结论，还是继续改进超参数更好？

---

模型真的学到了什么吗

是的，你的模特似乎学到了一些东西。要想确定，我需要了解基线准确度是什么（模型随机预测）。如果你的模型没有学到任何东西，它应该具有与完全随机模型相似的精度

正如所指出的，您的模型似乎过于拟合，因为在训练集上精度在提高，而在测试集上精度在降低。我们可以看到一个 对损失函数也有类似的影响

---

既然你的损失还在减少，我会考虑把这个模型训练得更长一些。如果您这样做，添加一些正则化（例如退出）会很有帮助。对于图像，您还可以在一些输入图像中添加一些噪声。

好吧，快速查看，您的模型确实在学习，但您的模型现在存在过度拟合问题，它开始记忆训练集。这可能是测试损耗增加而列车损耗减少的原因之一。关于“如何克服过度拟合”的研究。谢谢你的回答@null。过拟合在第三纪元后开始，约占82%。是否保证克服过拟合将提高准确性？我相信

机器学习

标签主要用于实现相关问题。你会在stats.stackexchange.com或ai.stackexchange.com上找到更好的答案。@Kyv“保证”是一个强有力的词，但我相信它会随着正规化而变得更好，你考虑过使用辍学吗？顺便说一句，若你们使用dropout，那个么模型可能需要更多的时间才能收敛。