标题说明了一切：神经网络能否具有完美的列车精度？我的准确度达到了约0.9，我想知道这是否表明我的网络或训练数据存在问题。
训练实例：~4500个序列，平均长度为10个元素。 网络：双向香草RNN，顶部有softmax层。
答案 0 :(得分：5)
训练数据的完美准确性通常是称为过度拟合（https://en.wikipedia.org/wiki/Overfitting）的现象的标志，并且该模型可能对看不见的数据概括不足。所以，不，可能只有这一点并不表示存在问题（你可能仍然过度拟合，但无法从你问题中的信息中得知）。
您应该检查验证集上的NN的准确性（您的网络在培训期间没有看到的数据）并判断其普遍性。通常，它是一个迭代过程，您可以并行训练许多具有不同配置的网络，并查看哪一个在验证集上表现最佳。另请参阅交叉验证（https://en.wikipedia.org/wiki/Cross-validation_(statistics)）
如果测量噪声较低，模型可能仍然无法获得零训练误差。这可能有很多原因，包括模型不够灵活，无法捕捉真正的基础功能（可能是一个复杂的，高维的，非线性的功能）。您可以尝试增加隐藏层和节点的数量，但是您必须注意过度拟合等相同的事情，并且只能通过交叉验证来评估。
通过提高模型复杂性，您可以在训练数据集上获得100％的准确率，但我会对此保持警惕。
答案 1 :(得分：2)
您不能指望您的模型在您的测试集上比在训练集上更好。这意味着如果您的训练精度低于所需的准确度，则必须更改某些内容。您很可能需要增加模型的参数数量。
你可能没有完美训练准确性的原因是（1）过度拟合（2）训练时间的问题。模型越复杂，过度拟合的可能性就越大。
您可能希望了解Structural Risc Minimization：
