如何从损失函数和准确率函数改进模型答案

【问题标题】：How to improve the model from the loss and accuracy functions如何从损失函数和准确率函数改进模型
【发布时间】：2021-06-13 03:23:32
【问题描述】：

我正在使用 keras 训练二元分类模型 (CNN)。我已经添加了从训练模型中得到的损失和准确率函数。是否应该根据以下函数得出其模型的准确率约为 82% 的结论，还是继续改进超参数更好？
模型真的在学习吗？

【问题讨论】：

好吧，快速查看一下，您的模型确实在学习，但是您的模型现在出现过拟合问题，它开始记忆训练集。这可能是您的测试损失增加而火车损失减少的原因之一。关于“如何克服过拟合”的研究。
感谢您的回答 @null 。过度拟合在第 3 个 epoch 之后开始，对应于大约 82%。是否保证克服过拟合会提高准确率？
我相信machine-learning标签主要是针对实现的相关问题。您可以在 stats.stackexchange.com 或 ai.stackexchange.com 找到更好的答案。
@Kyv 好吧，“保证”是一个强词，但我相信正则化会变得更好，你考虑过使用 dropout 吗？顺便说一句，如果你使用 dropout，模型可能需要更多的 epoch 才能收敛。

【解决方案1】：

是的，您的模型似乎正在学习一些东西。要确定，我需要了解基线准确度是什么（模型随机预测）。如果您的模型没有学习任何东西，它应该具有与完全随机模型相似的准确度。

正如所指出的，您的模型似乎过度拟合，因为在训练集上的准确度在提高，而在测试集上却在降低。我们可以看到一个对损失函数的类似影响。

由于您的损失仍在减少，我会考虑更长时间地训练模型。如果你这样做，添加一些正则化（例如 dropout）会很有帮助。对于图像，您还可以为某些输入图像添加一些噪点。

【讨论】：