防止模型过拟合之提前终止(EarlyStopping)

目录

tf.keras.callbacks.EarlyStopping使用方法

tf.keras.callbacks.EarlyStopping使用示例

---

在训练数据集上拟合得过于完美，在测试数据上的表现可能会变差，即出现过拟合。如果在训练过程中，每训练一段时间，都观察一下模型在测试数据上的表现，并在测试集上的表现没有明显提升时终止训练，就可以得到一个在训练和测试数据上表现都比较好的模型。这就是提前终止方法，这种方法可以防止模型过拟合。

在tensorflow2中设置EarlyStopping回调函数就能完成，非常的简单方便。

---

tf.keras.callbacks.EarlyStopping使用方法

tf.keras.callbacks.EarlyStopping有这些参数

monitor='val_loss',
min_delta=0,
patience=0,
verbose=0,
mode='auto',
baseline=None,
restore_best_weights=False,
start_from_epoch=0

monitor是要被监视的值，比如在model.compile里面配置的损失函数、或者metrics里面配置的评价指标。

min_delta当被监视的值变化大于min_delta的时候，认为是有改进的。比如在测试数据上的损失函数值下降量的绝对值大于min_delta，则认为当前的模型和之前相比，是有改进的。

patience设置当迭代多少个epoch，发现模型仍然没有改进，就停止训练。

verbose可以设置为0或1，用于控制展示的log。为0时，没