有几点关于模型过拟合的疑问,想请教下各位:
1. 训练了多个模型,均发现有过拟合情况。如果要改成不过拟合,其拟合度又降低较多。这个时候,是否还是选择过拟合情况最轻的模型?
2. 模型存在过拟合情况,那测试集所得的拟合度或准确度,是否可信呢?
1条回答 默认 最新
- 关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率
threenewbee 2019-04-25 15:54最佳回答 专家已采纳解决过拟合的几个办法,一个是提前结束训练,一个是正则化,一个是神经元增加dropout,当然治本的方法是增加训练数据
过拟合的模型如果不是很长时间训练出来的,直接丢弃也没什么。如果好不容易训练的,可以再训练采纳该答案 已采纳该答案 专家已采纳评论解决 无用打赏举报微信扫一扫
分享评论登录 后可回复...
报告相同问题?
提交
相关推荐 更多相似问题
- 2019-04-25 14:10回答 1 已采纳 解决过拟合的几个办法,一个是提前结束训练,一个是正则化,一个是神经元增加dropout,当然治本的方法是增加训练数据 过拟合的模型如果不是很长时间训练出来的,直接丢弃也没什么。如果好不容易训练的,可
- 2020-09-15 10:21回答 1 已采纳 没办法,你的训练样本太少。增加训练样本是唯一的办法。 好比吃不饱饭怎么办,不增加饭,采用稀饭掺水,少餐多顿这些办法都治标不治本。 所以你看即便it大厂,也在拼命积攒数据以及人工标注数据,花费大
- 2021-03-23 15:58回答 3 已采纳 1k5左右就差不多了,过拟合的话不一定,要看下有没有防止过拟合的手段,如果你的项目是开源项目的话,一般会有这方面的限制的。
- 2018-07-03 00:00量子位的博客 夏乙 栗子 编译自 Khanna.cc 量子位 报道 | 公众号 QbitAI想要训练个深度神经网络,也准备好了可以直接用的数据,要从哪里开始上手?来自美国的Harry ...
- 2021-09-06 17:45人工智能学家的博客 来源:计算思维和人工智能2020年8月的第一周,清华大学暑期学校在荷塘·雨课堂上“云开学”。开学典礼上,清华大学软件学院刘云浩教授作了一场主题为《What is the role of ...
- 2019-11-22 17:11奇点云的博客 通过StartDT AI Lab专栏之前多篇文章叙述,相信大家已经对计算机视觉技术及人工智能算法在奇点云AIOT战略中的支撑作用有了很好的理解。同样,这种业务牵引,技术覆盖的模式也收获了市场的良好反响,而奇点云AIOT在...
- 2021-10-27 11:35回答 2 已采纳 工具箱生成的数值都可以从命令行直接获取: E=rand(3);%E你自己取 [X,Y] = meshgrid(1:3); [xData, yData, zData] = prepareSurfaceD
- 2019-01-02 15:55回答 1 已采纳 直接写在卷积层的参数里 https://keras.io/zh/regularizers/
- 2022-04-10 18:59回答 2 已采纳 piecewise拟合的曲面不存在表达式哦。建议用多项式拟合,比方说 x = [1; 2; 3; 4]; y = [2; 3; 1; 8]; z = [4;6;5;7]; modelFun = @(a
- 2018-07-17 07:30「已注销」的博客 来源:大数据文摘作者:郑璇真本文共3414字,建议阅读8分钟。微软中国首席技术官韦青讲述了自己对于企业数据化智能化转型的看法。本文为清华数据科学研究院联合大数据文摘发起的...
- 2019-08-08 10:42York1996的博客 本文摘要:文章前四节浅显探讨什么是人工智能和当前所处的历史时期,后面六节分别探讨六个学科的重点研究问题和难点,有什么样的前沿的课题等待年轻人去探索,最后一节讨论人工智能是否以及如何成为一门成熟的科学...
- 2021-12-27 19:00Charmve的博客 由于大模型参数量众多,因此能够很快拟合,在面对不同任务时都能够高效学习(相对地,正是由于模型参数太多了,因此很容易过拟合到下游训练集,反而丧失了泛化能力,这也是 fine-tune 玩法的一大毛病)。 灵魂拷问:...
- 2021-07-16 16:16回答 1 已采纳 这个之前写过很多种方法:代码地址 文章解读
- 2018-12-15 10:14回答 1 已采纳 正则化也可以加在层上的。 是否有效,这个没法说,不同的模型差别很大,还有你数据如果不足,模型太复杂等,都可能过拟合。 除了正则化,还可以试试看dropout
- 2022-02-10 11:42回答 2 已采纳 摩尔体积可由液相密度ρ计算(v= 1/ρ),物体的液相密度ρ一般是常量
- 2021-07-05 01:02kaiyuan_sjtu的博客 为此,作者在进行图卷积时, 聚合自身 和邻居 时,只有element-wise的加权和,抛弃了复杂 ,既节省计算时间,又减少了待优化的参数而防止过拟合; 而且要学习多套(以下公式中的L套)加权和,类似于CNN中的多...
- 2019-05-13 21:01hi我是大嘴巴的博客 量化模型(Quantized Model)是一种模型加速(Model Acceleration)方法的总称,包括二值化网络(Binary Network)、三值化网络(Ternary Network),深度压缩(Deep Compression)等。鉴于网上关于量化模型的不多,...
- 2020-09-18 16:01The_syx的博客 虽然有很多人可能都熟悉这两种方法,但是在机器学习(ML)的一般商业应用中,往往倾向于使用TensorFlow进行控制,而在人工智能/ ML中的研究项目则 大多使用PyTorch。尽管去年发布的TensorFlow 2.0中 默认引入了...
- 2019-07-25 20:24回答 2 已采纳 首先一点,我习惯讲问题,很啰嗦。因为我想把问题讲的连之前不知道的人都可以清楚明白。你不介意就继续看吧。 第一个:我们训练模型其实在做什么。 神经网络模型本质就是一个算法,一个组合的算法。我们训练神
- 2019-12-25 14:46AI科技大本营的博客 我们可以通过模型在已知的数据(训练集)中有好的预测结果,但在未知的数据(测试集)中较差的表现来判断是否存在过拟合。机器学习模型的目的是从训练集到该问题领域的任何数据集上均有泛化的较好表现,因为我们希望...
- 没有解决我的问题, 去提问