在下面的示例中,什么是避免过度拟合的最佳时期?

时间:2019-05-05 17:39:25

标签: machine-learning keras deep-learning data-science training-data

我有一个8层全连接神经网络,其训练可提供以下准确性和损失进展: enter image description here

在模型开始过度拟合之前,您认为最佳的时期是什么?

紫色的? (第39个阶段-损失似乎减少了其下降,导致培训与验证之间的差距增加了)?

橙色的吗? (第84期-停滞前的最低损失)

还有一点?

2 个答案:

答案 0 :(得分:1)

如果您想像那样使用它,那么过度拟合不应该成为重点,最好的结果(在这种情况下为val-loss)更为重要。 但是,如果您想重新训练它,那么最好同时尝试一下。

BTW 8层FC层!!在我眼中似乎太多了,难道您没有任何渐变消失的问题吗?

答案 1 :(得分:0)

迭代次数不认为是过度拟合模型的真正问题,您应该选择更好的模型。

要消除过度拟合,您应该使用交叉验证,正则化,特征选择...