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？
模型的过拟合的话，是否就是直接抛弃呢？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
threenewbee 2019-04-25 15:54关注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，可以再训练本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报 分享
- 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
- 2023-01-10 11:15回答 2 已采纳 你说的方式都可以缓解过拟合问题。 使用 L1 正则化项来解决过拟合问题(使用 statsmodels.formula.logit 函数中的 L1_wt 参数来设置 L1 正则化项，或者使用 L2_w
- 2018-07-10 09:18数据轨迹的博客 整个过程中，过拟合的问题时时刻刻都要注意。1. 选个损失函数选择怎样的损失函数，取决于需要解决怎样的问题。如果是回归问题，就可以用均方误差 (MSE) 损失函数。如果是分类问题，就用交叉熵 (Cross-Entropy) 损失...
- 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
- 2022-10-18 16:20回答 2 已采纳 1.7%也不算多啊，数据集小一些或者数据集分布偏差点就这样了是否还是得看loss曲线或acc曲线来判断。比如训练集loss不断下降，验证集先下降后上升，就是经典的过拟合现象；或者验证集的loss基本上
- 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。
- 2019-04-22 23:27智慧地球（AI·Earth）社区的博客 神经网络现在有很多类型了，每一种类型都是在之前的基础上发现问题并解决问题的过程，目前一些主流的问题虽然都已经得到了很好的解决，但理解为什么要这样修改对模型的选择无疑大有裨益。 一、深度学习中存在的问题...
- 2022-10-15 14:33回答 1 已采纳 得看你模型保存的方式，如果是通过save_model函数保存的模型，读取方法就得是model_lgb = lgb.Booster(model_file_path)
- 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/
- 2022-07-21 23:10回答 2 已采纳 趋势相同应该还不算，只有当趋势背离，即训练集的评估指标变好，但是验证集评估指标变坏的时候，才算过拟合。
- 2023-03-17 14:20未来GIS实验室的博客 导读：Transformer源自于AI自然语言处理任务；在计算机视觉领域，近年来Transformer逐渐...本文对Transformer从诞生到逐渐壮大为AI各领域主流模型的发展过程以及目前研究进展进行梳理，见证Transformer的过人之处。
- 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
- 2016-10-08 10:25AI周红伟的博客 克服过拟合和提高泛化能力的20条技巧和诀窍 你是如何提升深度学习模型的效果？ 这是我经常被问到的一个问题。 有时候也会换一种问法： 我该如何提高模型的准确率呢？ ……或者反过来问： 如果我的网络...
- 2023-04-16 16:57dra_p0p3n的博客 通用人工智能就要来了
- 没有解决我的问题, 去提问
