有两个模型具有相同的最小验证损失值，但在不同的时期具有该值。哪一个更好？

Question

有两个模型具有相同的结构和学习相同的数据集。

这些模型记录了相同的最小验证损失值。

差别如下所示。

1. 第一个模型没有正则化，在15岁时停止学习(这个时期是验证损失最小的时刻。

1. 第二模型具有正则化，并在25年代停止学习(这个时期是发生验证损失最小的时刻。

正如我在前面写的，关键是这些模型记录的验证损失值相同。

在这种情况下，哪种模式更好？

Answer 1

如果您在培训过程中使用了验证数据(用于选择超参数)，那么我强烈建议使用不同的数据集作为test-set，这将给出答案，否则您的validation-set实际上是您的test-set，当您说它们有相同的测试损失时，您就意味着它们的性能是相同的(如果您不确定您的test-set是否能够很好地表示模型在现实生活中的性能，那么就让测试集更好，例如，使它更大)。如果您想在一个重要的任务中使用其中一个，我建议您进行cross-validation测试，看看哪个更好。

请注意，正则化是用来减少过度拟合，以获得更高的验证和测试结果。所以在学习之后，当你想要使用这个模型的时候，不管模型是否使用正规化，都不重要，但是性能和速度很重要。

总之，从你的话中我看不出更好的模式。

Answer 2

我的建议是选择第二模型的.i.e模型与正则化，并停止学习的时代25。

原因是因为你已经使用了正规化技术，你的训练数据被过度拟合的几率很小。