Python 无法理解我的CNN多类分类模型是否拟合过度?
良好的培训、测试和验证精度,但模型的奇怪历史精度: 以下是我的模型的摘要: 我执行了执行和预测任务,得到了下一个混淆矩阵: 而准确度行为是下一个: 我不明白这是过度穿着还是不合身,还是正常行为 添加损失图,以便在下一节中进一步澄清Python 无法理解我的CNN多类分类模型是否拟合过度?,python,tensorflow,keras,evaluation,cnn,Python,Tensorflow,Keras,Evaluation,Cnn,良好的培训、测试和验证精度,但模型的奇怪历史精度: 以下是我的模型的摘要: 我执行了执行和预测任务,得到了下一个混淆矩阵: 而准确度行为是下一个: 我不明白这是过度穿着还是不合身,还是正常行为 添加损失图,以便在下一节中进一步澄清 提前感谢您提供的任何有用信息和帮助 看起来不太合适。你的训练精度和平均测试精度都在提高。过度拟合是指测试损耗改善,然后趋于平稳,然后开始增加。最好查看损失指标来监控这一点。典型的情况是,一旦训练精度变得很高,测试损失将振荡到很小的程度。您可以通过改变退出率来测
提前感谢您提供的任何有用信息和帮助 看起来不太合适。你的训练精度和平均测试精度都在提高。过度拟合是指测试损耗改善,然后趋于平稳,然后开始增加。最好查看损失指标来监控这一点。典型的情况是,一旦训练精度变得很高,测试损失将振荡到很小的程度。您可以通过改变退出率来测试过度拟合,并查看对测试丢失的影响。正如您已经提到的,您的培训做得很好 首先,我建议您自己用测试数据检查预测。 验证损失将收敛到特定值。它可能看起来有点变化,但您需要将y轴作为参考。上一个时代的起起落落在91%到94%之间,这与100%(可能改变y轴)相比并不是很明显