有关分析损失和准确性图表的问题

Question

为解决问题，我开发了一些深度学习模型，例如MLP（6个密集层），CNN（1个Conv1D + 1个密集层），LSTM（1个LSTM + 2个密集层），并构造了它们的损失和准确性图表。

CNN模型

model = Sequential()
model.add(Embedding(len(vectorizer.get_feature_names()) + 1,
                    64,  # Embedding size
                    input_length=MAX_SEQ_LENGHT))
model.add(Conv1D(64, 5, activation='relu'))
model.add(MaxPooling1D(5))
model.add(Flatten())

model.add(Dense(64))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(0.5))

model.add(Dense(units=1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())

我有以下问题：

1-哪一种适合每个人？

• 图表1 => 16
• 图2 => 15
• 图3 => 5

2-这些图表是否显示过拟合？ （尤其是图表1。它有什么问题？如何使测试的准确性超过训练水平？！）

3-当训练损失高于测试损失（在图表1中）可以吗？我应该增加纪元吗？

图1：

图2：

图3：

Answer 1

您的模型似乎在图表1中过拟合。如果您不能直接或通过数据扩充技术来增加数据集，那么图表3似乎是三个模型中最好的模型。