Keras深度学习实战(6)——深度学习过拟合问题及解决方法
0. 前言
在《神经网络性能优化技术》中,我们经常看到这样的现象——模型的训练准确率约为 100%,而测试准确率约为 98%,这是在训练数据集上出现过拟合的情况。接下来,我们直观地了解训练与测试准确率之间的差异的原因以及解决方法。
1. 过拟合问题介绍
过拟合是在训练数据上能够获得很好的性能, 但是在训练数据外的数据集上却不能很好地拟合数据。为了了解导致过拟合的现象,对比两种情况,在这些情况下比较训练和测试的准确性以及权重的直方图:
- 模型运行
5
个epoch
- 模型运行
100
个epoch
两个模型的架构完全相同,不同之处仅在于使用不同的 epoch
:
# 模型 1 运行 5 个 epoch
model_1 = Sequential