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