属性过拟合,原因可能为不同的属性难学程度不一样,讨论后结果如下:
1.如果有的属性训练20个epoch就达到好的结果,之后开始过拟合,而同时其他的属性要训练到100个epoch,此时可以在20个epoch停下。至于如何判断是不是20个epoch或者如何判断要停下,需要设计一个停下的机制。
2.数据集很重要,筛选数据集,可以先训个网络,不要太多次迭代,把差的数据筛出来
3.数据增强。之前疑问是对整体数据做数据增强,效果不会变,但实际效果会变好?(没有尝试)
4.从不容易过拟合的数据集中,若该数据集很大,则分出很多个部分,和容易过拟合的数据一起分部分训练。
5.分成大模型和小模型