这是过度拟合吗？

Question

我的CNN在训练数据上的表现很好（准确度为96％，丢失1.％），但在测试数据上的表现却很差（准确度为50％，丢失3.5％）。

Answer 1

过度拟合的特征签名是指验证损失开始增加，而训练损失则继续减少，即：

（图片摘自overfitting上的Wikipedia条目）

还有其他一些图表明过度拟合（source）：

另请参见SO线程How to know if underfitting or overfitting is occuring?。

很明显，您的损失图确实表现出了这种行为，所以是的，您确实过拟合了。

相反，您在评论中链接到的图：

不会表现出这种行为，因此在这里您实际上不是过度拟合（您刚刚达到饱和点，超过该点您的验证错误不会进一步改善）。

Answer 2

96％的准确性表明您非常适合您的训练数据。测试数据的50％准确性表明，您的模型无法考虑所研究数据的噪声/变异性。这看起来像教科书过拟合。

您似乎将验证数据称为测试数据。也许您可以更好地对数据进行分区？

Answer 3

这似乎太适合我了。如果不能确切知道您要查找的内容，我不能肯定地说。为确保安全，请将您的数据分为训练，测试和验证。