解释Keras损耗和精度图

Question

我在解释这些损耗和精度图时遇到了一些麻烦。 例如，在第一个中，验证损失值相当低（它已经开始低于0.35），但是随后迅速偏离。 另一方面，在第二个验证中，验证从更高的值开始，然后似乎达到稳定状态（它没有像第一种情况那样开始增长）。 此外，第四张图似乎有些奇怪，因为验证损失和验证准确性似乎都随着时间的推移而降低。

您认为这四张图中的哪张是最好的一张？

先谢谢您， 安德里亚

Answer 1

您认为这四张图中的哪张是最好的一张？

这是一个错误的问题，因为您没有在分析中考虑测试（或看不见的数据）。

在第一张图中，请注意，验证损失在增加，而训练损失在减少。这表明您的模型受到过度拟合的困扰-这种情况下，您的模型将以较高的准确性预测训练数据，但没有预测数据。

就哪些图形“更好”而言，仅凭评估图形就无法分辨。

我不确定您是否已经这样做，但是关于您的神经网络是否正常运行的真正测试是该模型是否擅长预测测试数据，即未被模型看到。

您可能会发现该模型在预测训练和验证数据方面表现良好-因此，随着损失的减少，损失曲线将继续显示出向下倾斜的模式，但这并不能告诉您模型在测试中的表现如何数据。

在这方面，您应该检查哪种配置在看不见的数据上表现最佳-如果您未考虑对新数据进行预测的准确性，则仅通过曲线的形状进行评估是错误的。

Answer 2

好吧，我在图表中发现了损失与准确性之间奇怪的关系的原因。

事实是，验证分数是通过4倍交叉验证建立的；因此，学习了4个模型并对其结果取平均值。

但是，我认为Keras的model.fit（）会重置模型中的权重，但实际上不会。因此，我现在在每一行中添加了一行以重新定义模型，以确保每次学习都从头开始。

现在，我得到了更明智的图表，例如：