这个问题并不能简单地回答,因为比较好的拟合效果是相对于具体的任务和数据而言的。在一般情况下,如果训练集的拟合效果较高(通常超过 95%),验证集的拟合效果在 90% 左右,并且测试集的拟合效果与验证集的拟合效果相近,那么模型的拟合效果就是较好的。
但是,如果训练集拟合效果很高(接近 100%),但验证集和测试集的拟合效果很低,这可能意味着模型过拟合了,对于新的数据不具有良好的泛化能力。
因此,要评估一个 BP 神经网络的拟合效果,需要考虑到训练集、验证集和测试集的拟合效果以及它们之间的相对差距。