为了了解我的模型是过拟合还是欠拟合，我应该如何获取这些值？
比如train_error= 0.1和dev_error=0.25，模型过拟合是可以理解的。但我不知道我的模型提供的哪些结果表明了上述错误。
损失值是表示这个度量还是（1-accuracy）一个？
这是我的模型训练结果的一部分：
Epoch 152/250
100253/100253 [==============================] - 12s 118us/step - loss:
0.5306 - acc: 0.8568 - val_loss: 1.1438 - val_acc: 0.7550
【问题讨论】：
标签： python machine-learning keras neural-network evaluation
error 和 loss 是同义词
Keras 表示训练损失（分别为准确率）为loss (acc)；验证损失和准确率分别表示为val_loss 和val_acc。
train_error= 0.1 和dev_error=0.25，或者loss: 0.5306 和val_loss: 1.1438 和这里一样，not 是否表示过拟合；这只是泛化差距，即训练集和验证集之间的预期性能差距。引用最近的blog post by Google AI：
理解泛化的一个重要概念是泛化差距，即模型在训练数据上的性能与其在从同一分布中提取的不可见数据上的性能之间的差异。
过度拟合的特征是当您的验证损失开始增加，而您的训练损失继续减少时，即：
注意上图中曲线之间的间隙（双关语）（改编自Wikipedia entry on overfitting）。
根据上下文，人们可能更喜欢监控 metric 而不是下面评论中正确指出的损失，但这是另一个讨论 - 希望你能在这里得到这个想法......
【讨论】：