该模型是过拟合还是欠拟合？

Question

在过度拟合的情况下，据我所知，val_loss必须飙升，而不是train_loss 但是呢？这个模型令人恐惧吗？还是完全不同的情况？ 以前我的模型无法很好地拟合，所以我添加了0.3的缺失（4个具有64个神经元的CuDNNGRU层和1个Dense层且批处理大小为64个），那么我应该减少缺失吗？

Answer 1

这既不适合也不适合。有些人将其称为 Unknown fit 。当您在keras中应用正则化（L1，L2，Dropout等）时，会发生验证<<训练丢失的情况，因为它们仅应用于训练，而不应用于测试（验证）。因此，您的训练损失更大是有道理的（例如，由于辍学，并非所有神经元都可用于前馈）。

但是很明显，您的模型并未针对验证集进行优化（几乎是一条直线）。这可能是由于许多原因造成的：

• 您的验证集很难代表您的数据集，具有非常容易的预测或非常小的预测。
• 降低学习率或添加更多正则化（因为您正在使用CuDNNGRU，所以为recurrent_regularization）
• 您的损失函数不适用于您要解决的问题。

希望这些技巧对您有所帮助。