LSTM模型训练精准率高测试精准率很低解决办法

最新推荐文章于 2025-03-11 22:28:36 发布
最新推荐文章于 2025-03-11 22:28:36 发布
阅读量2.2w 收藏 52
点赞数 13
分类专栏： NLP 文章标签： LSTM模型精准率 NLP 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013705518/article/details/94173365
版权

       前段时间训练一个问答模型（QA）时，发现一个有趣的问题，模型采用LSTM技术，encode-decode架构（见下图）。使用小语料集训练，测试精准率还行，当语料集达到2000组时，问题来了，训练精准率很高，但测试精准率非常低。

小语料集与大语料集测试精准率对比：

 

 

       测试精准率低的让人有点伤心，训练集增多，除了把batch_size改大，其它没有修改呀，感觉一点思路都没有了，被这个坑卡住了3天，毫无进展。某天，正看着窗外的爬山虎发呆，突然想起培训老师说过，“数据是一批一批训练的，训练完一批数据以后才更新一次梯度”，

最低0.47元/天 解锁文章
数据挖掘实战-基于长短期记忆网络（LSTM）的黄金价格预测模型 | 97% 准确度
m0_64336780的博客
06-04 1万+
本实验基于Kaggle上提供的从2013年到2023年的黄金价格数据集，运用长短期记忆网络（LSTM）构建了黄金价格预测模型。该数据集详细记录了每日的黄金价格信息，包括开盘价、收盘价、高点、低点和交易量等，为模型的训练提供了丰富的数据支持。
基于深度学习的精准营销预测算法原理与实践
AI天才研究院
08-08 1234
营销预测是企业经营管理中的一个重要环节，对于提高销售额、提升客户满意度、提高品牌知名度等方面都起着至关重要的作用。传统的营销预测方法主要采用试验、调查、统计分析等方式进行，这些方式比较简单、成本低廉、效率低下，且无法反映真正的业务情况。近年来，人工智能（AI）技术的崛起已经为营销预测领域提供了新的机遇和挑战。基于深度学习的精准营销预测模型可以实现高精度、高效率、低成本、可迁移性等优点。本文将介绍基于深度学习的精准营销预测模型的原理、方案及实践。
MATALB创建LSTM，训练集精度高但是测试集精度很低是什么原因？
Cavend1sh的博客
04-05 3678
基于matlab构建了LSTM的分类网络。数据包含7个特征量，输出标签为七个。每个训练样本大小不同，大致为7x100. 但是在训练过程中训练进度显示准确度已经达到100左右，但是测试精度只有50%。 为了控制变量我甚至使用了相同的训练集和测试集，效果依然不一样。请问是什么问题呢？ 网络部分参考下文： // =========================设计LSTM网络================================= yTrain_categorical=categorical(
求助 LSTM训练集的准确度过低是怎么回事
weixin_60588498的博客
11-06 4453
我编写了一个LSTM程序用来预测股票未来30个tick数据。但是训练集跑出的结果里，准确度只有0.02左右。 import numpy as np import pandas as pd X_list = [] for i in range(10): temp = pd.read_excel(r'C:\Users\86186\Desktop\附件1：10支票_tick_data.xlsx',sheet_name = i) X_list.append(temp) length = 0 l...
如何评估LSTM模型的性能?
最新发布
mubiao05的博客
03-11 621
如何评估LSTM模型的性能?
怎么提高lstm预测精确度_基于APMSSGALSTM的容器云资源预测
weixin_39812577的博客
11-20 2201
基于APMSSGA-LSTM的容器云资源预测谢晓兰1,2,张征征1,郑强清1,陈超泉11桂林理工大学信息科学与工程学院，广西 桂林 5410042广西嵌入式技术与智能系统重点实验室，广西 桂林 541004摘要：容器云的发展与应用对资源的高并发、高可用、高弹性、高灵活性等的需求越来越强烈。在对容器云资源预测问题研究现状进行调查后，提出一种采用自适应概率的多选择策略遗传算法(AP...
怎么提高lstm预测精确度_LSTM-CNN-Attention算法系列之一：LSTM提取时间特征
weixin_39787345的博客
11-02 7719
哈喽，大家好！我，人称神秘小马哥又回来了，不知道大家还记不记得上期我的秘密三叉戟，轻松力压股市三大指数。这期我给大家解密一下我三叉戟的第一根利器，LSTM模型，它在股价预测中更优于传统计量模型，并在语音识别，语言翻译和智能营销等领域，也显示了其强大力量。1、解剖LSTM模型LSTM模型是RNN模型的一个特殊例子，那RNN模型又是怎么一回事呢，别急，待我细细道来。RNN模型最主要的特性，即当前时间的...
放弃 RNN/LSTM 吧，因为真的不好用！望周知~
热门推荐
CSDN 人工智能
04-24 1万+
翻译 | 张涛出品 | 人工智能头条（公众号ID：AI_Thinker）2014 年 RNN/LSTM 起死回生。自此，RNN/LSTM 及其变种逐渐被广大用户接受和认可...
LSTM提高精度实践-股票预测分析
woshihlf的博客
10-21 785
这篇文章记录的是提高LSTM精度的实践和记录衡量标准：MSE。
LSTM模型精度提升技术要点整合
weixin_34718952的博客
10-07 1065
本文还有配套的精品资源，点击获取 简介：该压缩包包含了对LSTM模型的更新或优化，目的是提高其在处理序列数据时的预测精度。LSTM是一种特殊的递归神经网络，广泛应用于自然语言处理、时间序列预测和音频处理等序列数据处理领域。更新可能包括调整网络结构、优化参数、引入新的损失函数或训练策略等。虽然具体技术细节未知，但根据LSTM的特性，可能涉及的技术要点包括结构优化、梯度消失和梯...
深度学习助力台风路径预测：技术剖析与实战应用全攻略（基于LSTM模型）
专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！
12-17 1139
摘要：深度学习技术在台风路径预测领域展现出巨大潜力。通过融合多源气象数据，深度学习模型如LSTM能有效处理时间序列数据，捕捉台风路径变化规律。与传统方法相比，深度学习模型在自动特征学习和处理复杂模式方面具有独特优势，提高了预测的准确性和实时性。然而，挑战依然存在，包括数据质量问题、模型可解释性不足以及极端台风的复杂性。未来，随着观测技术的进步和新算法的开发，深度学习将在台风路径预测中发挥更大作用，为防灾减灾提供更精准的决策支持。
构建基于长短时记忆网络（LSTM）的信贷风险评估模型：深入解析和实操案例（基于Python和PyTorch）
专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！
12-16 1161
摘要：本文讨论了LSTM在金融科技信贷风险评估中的应用，突出其在处理时间序列数据中捕捉长期依赖、非线性建模、适应性及预测准确性的优势。详细介绍了LSTM原理、结构，并应用于信贷风险评估的模型构建，包括数据预处理、网络设计、超参数优化。通过Python和PyTorch的实操案例，展示了模型构建、训练、评估及结果可视化全过程。文章还探讨了评估指标和流程，提供了LSTM模型评估的实例，旨在提供一种高效的信贷风险评估机器学习方法。
如何提高lstm的预测精度_如何提高示波器的测试精度？五大因素助您了解！
weixin_39743357的博客
11-26 1146
对于测试仪器来说，精度、可靠性、稳定性及功能是非常重要的几个指标，这也决定了工程师对测试结果的信心。基于示波器的设计原理，它具有非常高的采样速率，时间精度可以保证，但很多工程师却忽略了其幅度的测试精度。随着电力电子技术的发展，低功耗器件的大量应用以及更加严苛的行业标准约束，工程师对测试的精度越来越关注，开始不满足于市面上示波器幅度测试的分辨率和精度了。对于示波器这种测试仪器，如何选择和设定可以获得...
用LSTM模型预测加密货币：准确率提升30%的秘密
weixin_70955880的博客
02-04 1198
最近研究了一种基于LSTM的比特币价格预测模型，通过优化算法和特征工程，准确率提升了30%。这篇文章将带你了解如何利用深度学习技术，从历史数据中捕捉比特币的价格趋势，为投资决策提供科学依据。如果你对比特币投资感兴趣，这篇干货不容错过！
用python做机器学习 RNN-LSTM 为什么精确度很低
yjq125931902的博客
12-27 983
在机器学习领域，尤其是自然语言处理（NLP）和时间序列预测任务中，RNN（循环神经网络）和LSTM（长短期记忆网络）是两个非常重要的模型。然而，许多初学者和甚至一些经验丰富的开发者在使用这些模型时，常常会遇到精确度不高的问题。本文将深入探讨“用Python做机器学习 RNN-LSTM 为什么精确度很低？”这个问题，帮助大家找到解决方案。
深度学习模型在训练集上表现良好，但在测试集上表现较差，可能原因
XreqcxoKiss的博客
09-16 8631
深度学习模型在训练集上表现良好，测试集上效果不好，可能存在的问题以及改进措施
使用LSTM进行时间序列预测有什么优势？如何对LSTM进行改进以提高时间序列预测的准确度？（附matlab代码实现）
2302_81053261的博客
05-02 1861
LSTM的成功不仅在于理论上的创新，更重要的是它解决了RNNs（循环神经网络）在实际应用中遇到的长期依赖问题，从而推动了深度学习在序列数据处理上的巨大进步。：结合先进的优化算法如向量加权算法（如INFO-LSTM）、改进的鲸鱼算法（IWOA-LSTM）、麻雀算法、进化算法等，可以优化LSTM的权重和偏置，从而提升模型的学习能力和泛化能力。灵活性和扩展性：LSTM可以很容易地与其他网络结构（如CNN、Attention机制）结合，或者通过堆叠多层来增强模型的表达能力，适应更复杂的时间序列预测任务。
如何提高lstm的预测精度_如何使用CRM系统来提高销售预测的准确性
weixin_39633054的博客
12-05 470
销售预测对高效销售管理和业务资源配置至关重要，诸如降低库存、采购备料、评估销售团队都需要精准的销售预测。对于公司和销售人员来说，销售预测也意味着在将来的一段时间里，能否实现以及使用什么样的方式实现业绩目标，这种见解有助于合理配置销售力量，获得先机。但是由于内部和外部的可变因素太多，销售预测有时看上去更像一门“玄学”——它很难做到准确。虽然有很多可行的预测方法，诸如定量定性、移动加权等等，但这些方法...
北大提出Gate Decorator，利用LSTM思想来做CNN剪枝
我爱计算机视觉
09-24 412
点击我爱计算机视觉标星，更快获取CVML新技术本文经机器之心（微信公众号：almosthuman2014）授权转载，禁止二次转载选自arXiv作者：Zhonghui You等机器之心编译...
在MATLAB中LSTM训练正确率不高，怎么解决
06-11
LSTM在MATLAB中的训练结果不佳可能是由于多种原因引起的。以下是一些可能的解决方法： 1. 数据预处理：LSTM对于数据的处理非常敏感，因此在训练LSTM之前，需要对数据进行预处理。这包括数据标准化、归一化、平滑处理等。 2. 调整网络结构：LSTM的网络结构包括输入层、输出层、隐藏层和记忆单元。调整网络结构可能会改善LSTM的训练结果。可以试着增加隐藏层数、调整记忆单元数量或改变网络拓扑结构。 3. 调整学习率：学习率是控制训练过程中参数更新的速度的重要参数。如果学习率过高，可能会导致算法无法收敛；如果学习率过低，算法可能会收敛缓慢。可以尝试调整学习率以获得更好的训练结果。 4. 增加训练数据量：LSTM需要大量的训练数据才能更好地学习数据的模式。可以尝试增加训练数据量以改善LSTM的训练结果。 5. 调整正则化参数：正则化是控制模型复杂度的一种方法，通常用于防止过拟合。可以尝试调整正则化参数以改善LSTM的训练结果。 6. 尝试其他算法：如果LSTM仍然无法获得令人满意的训练结果，可以尝试其他算法，如GRU、RNN等。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值