【发布时间】：2018-07-16 00:41:03
【问题描述】：
我正在应用 CNN 对手势进行分类，我有 10 个手势，每个手势有 100 个图像。我构建的模型在训练数据上的准确率约为 97%，在测试数据上的准确率达到 89%。我可以说我的模型过拟合还是可以接受这样的精度图（如下所示）？
【问题讨论】：
标签： machine-learning neural-network conv-neural-network
【发布时间】：2018-07-16 00:41:03
【问题描述】：
向训练集添加更多数据
当您的训练集中有大量数据（各种实例）时，最好创建一个过拟合模型。
示例：假设您只想检测一个手势说“竖起大拇指”（二元分类问题），并且您创建了包含大约 1000 张图像的正向训练集，其中图像被旋转、平移、缩放、不同颜色、不同角度、视角多变、背景杂乱……等等。如果你的训练准确率是 99%，那么你的测试准确率也会接近。
因为我们的训练集足够大，可以覆盖正类的所有实例，所以即使模型过度拟合，它也会在测试集上表现良好，因为测试集中的实例只会有轻微的变化训练集中的实例。
在您的情况下，您的模型很好，但如果您可以添加更多数据，您将获得更好的准确性。
要添加什么样的数据？
手动检查模型出错的测试样本并检查模式，如果您能找出哪种样本出错，您可以将此类样本添加到您的训练集中并再次重新训练。
【讨论】：