学习笔记（16):Google开发专家带你学 AI：入门到实战（Keras/Tensorflow）（附源码）-如何评估一个模型的好与坏

立即学习:https://edu.csdn.net/course/play/26109/323208?utm_source=blogtoedu

好的模型：泛化能力强

训练集+测试集上表现好

2min

过拟合：模型过于复杂，训练数据不多/不够，不需要学习的噪声进去

测试集不好，训练集好

 

2：54min 好的规律，大的线

 

欠拟合：模型学得不够：提升模型复杂度，1：线性->非线性  ，2：提升训练轮次，更多迭代

4：30min

数据划分

5min：  实际：验证/测试集分开

尽可能泛化能力好，在各个数据集上表现好->数据多

 

数据少？

6：10min 业界成熟做法：

1）简单划分

/2）K折验证：3个分区，按照顺序来

每次换 验证集 

K=10 也可 /随机化，shuffle 也可提升模型泛化能力

9：30min

3）图像数据：数据增强 ：

旋转，变化等  人为 增强数据场景

数据量的增加

model.fit:训练集，验证集 同时输入

model.evaluate:测试集输入，评估