火车数据与测试数据的均方误差之间的差异非常大

Question

我使用线性回归建立了ML模型，但遇到了问题。 这是我的结果值

Model1训练均方误差：154.96

Model1测试均方误差：72018955075415565139968.00

培训分数：0.48

测试成绩：-236446352571492139008.00

我不知道为什么打印这些值 因为过拟合？

我正在使用tensorflow 1.13.1和python 3.7

Answer 1

Overfitting就是这种情况。

您可以

• 确保您正在执行数据预处理步骤，例如1. Missing Value Imputation 2. Fixing the Outliers 3. Scaling或Normalizing功能
• 确保您正在执行Feature Engineering（删除不需要的功能，添加有意义的功能）
通过使用Shuffle中的shuffle=True来
• model.fit数据。代码如下所示：

history = cnn_model.fit(x = X_train_reshaped, y = y_train, batch_size = 512, epochs = epochs, callbacks=[callback], verbose = 1, validation_data = (X_test_reshaped, y_test), validation_steps = 10, steps_per_epoch=steps_per_epoch, shuffle = True)

• 使用Early Stopping。代码如下所示

  callback = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=15)

• 使用Dropout

• 使用Regularization。 Regularization的代码如下所示（您也可以尝试l1 Regularization或l1_l2 Regularization）：

`
从tensorflow.keras.regularizers导入l2

Regularizer = l2(0.001)

model.add(tf.keras.layers.Dense(
    units = 64, activation='relu', kernel_regularizer=Regularizer, bias_regularizer=Regularizer,
    activity_regularizer=Regularizer))

tf.keras.layers(Dropout(0.4))

model.add(Dense(units = 10, activation = 'sigmoid', 
                        activity_regularizer=Regularizer, kernel_regularizer=Regularizer))`

• 最后但并非最不重要的，请尝试删除一些Layers，因为它会减少可训练参数的数量

尽管遵循上述说明，您的Test Accuracy和Testing Score仍然没有改善，请共享完整的代码，以便我们为您提供帮助。

希望这会有所帮助。学习愉快！