答案 0 :(得分:1)
这并不适合。过度拟合(基本而言)是指模型过度调整其参数,或使用仅适用于一组特定训练数据的功能,以使火车样本具有尽可能高的准确性,而测试/验证准确性较差。该图未显示过拟合,因为train_loss和test_loss函数的行为方式相似。
这是我正在研究的NN的一个示例,为模型设置了太多功能,最终使模型过度拟合。 您如何知道?因为在比较acc(火车精度)和val_acc(验证/测试精度)时,性能存在巨大差异。为了使您的模型获得最佳性能,您希望它具有最佳的测试或验证精度,同时也保持良好的训练精度,这意味着该模型具有良好的泛化能力,因为它与给定的样本/数据无关地表现良好。
答案 1 :(得分:0)
overfitting
并非如此。如果它过拟合... training loss<< validation loss
!。两者之间会有很大的差距。这里的线似乎很近
这里是good example