我的学习曲线是否过正？

Question

我正致力于多分类任务(总共6个班)，并获得了几乎完美的训练和测试的准确性(超过99%)的基础上，我的训练cnn模型。我想知道，我受过训练的模特是否有过度适应的问题。附件是该模型的损失和准确性的学习曲线。整个训练数据集包含大约30k样本，训练与验证数据的比率为4:1。我的损失曲线是否显示过拟合？

损耗曲线 精度曲线

Answer 1

首先，训练的准确性基本上是没有意义的(所以忽略它)。

您可以从列车/val/测试精度/损失曲线中看到的过度拟合的症状是：

• 低训练损失/高训练精度
• 和低(降低)验证精度(增加验证损失)。

这些都是过度拟合的症状，因为:你已经从训练数据中学到了东西(训练损失变得很小，训练的准确性变得很好)，但是学习不会转移到验证数据上。

我从你的曲线上看不出来，所以看起来不太合适。

Answer 2

我能问一下你需要分类几个标签吗？从图表上看，似乎没有超过30k样本的迹象。

但是，如果您的数据集中的示例非常相似，这导致您的培训和验证集是相似的，那么您的模型可能会非常适合这个特定的数据集。

如果真实世界的数据看起来真的像你的数据集，那就不用担心了。然而，如果不是，我建议扩展数据集的多样性，以更好地概括现实世界的数据。