答案 0 :(得分:1)
显然,当你获得分数上升(训练和测试)时,它意味着你正确的方式,你将去当地/全球最低点。如果您发现方向分数变化(跟踪仍在下降,测试上升)或两个分数都停滞不前,那么现在是时候停止了。
BUT
当您使用准确度作为评估指标时,您可以获得模型的异常行为。例如:网络输出的所有结果都是最有价值的类的数量。 Explanation。这个问题可以通过使用另一个评估指标来解决,比如f1,logloss等等,你会发现学习期间有任何问题。
对于不平衡的数据,您可以使用任何策略来避免不平衡的负面影响。与softmax_cross_entropy in tensorflow中的权重相同。您可以找到实施there。