Keras LSTM模型是否不合适？

Question

我认为此模型不适合。这个对吗？

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_1 (LSTM)                (50, 60, 100)             42400     
_________________________________________________________________
dropout_1 (Dropout)          (50, 60, 100)             0         
_________________________________________________________________
lstm_2 (LSTM)                (50, 60)                  38640     
_________________________________________________________________
dropout_2 (Dropout)          (50, 60)                  0         
_________________________________________________________________
dense_1 (Dense)              (50, 20)                  1220      
_________________________________________________________________
dense_2 (Dense)              (50, 1)                   21        
=================================================================

以上是该模型的摘要。
关于如何改进模型有什么建议吗？

Answer 1

当训练损失和测试损失均很严重时，您的模型就处于拟合状态，而在这里情况并非如此。从模型损失图可以看出，火车损失和测试损失的价值相近且良好。在这种情况下，查看火车损失的下降速度，也许更多的训练数据会有所帮助。我认为用于训练和验证（第一图）的数据较少，并且彼此之间非常相关（差异较小）。因此，该模型从第二个绘图中看到了截然不同的数据类型，这在训练期间从未见过（基于用于生成模型的训练和验证数据集）。如前所述，请尝试删除辍学（这就是我所说的正则化）。