在调参之后，把数据代入模型，测试集的分数很高，拟合非常不错
但放到全局，就是对全部数据进行预测的时候，发现对训练集的预测拟合效果大不如测试集，中间部分还出现了“平移”现象，想问问各位知道什么回事吗？是过拟合了还是什么原因？
1条回答 默认 最新
- 2022-10-07 22:42aifans_bert的博客 就是把样本数据分为训练集和测试集，训练集用来训练神经网络，测试集用来验证模型。
- 2024-09-18 12:21鸟看世界的博客 简介：这个项目提供了使用PyTorch框架训练LSTM网络的全流程源代码，包括数据预处理、模型定义、训练循环、超参数设置、模型保存与加载，以及可能的性能评估和可视化。SalemML库的使用表明这可能是一个辅助深度学习...
- 2025-03-20 15:56AI趋势预见的博客 本研究验证了市场导向方法在预测比特币短期价格走势中的优势，其表现显著优于传统情感分析模型。在历史比特币事件数据集上，CryptoBERT和FinBERT的F1分数分别为25.2%和16.7%，显示出传统模型的局限性。
- 2025-04-11 19:26大模型入门学习的博客 在多个股票数据集上测试，集成方法表现出高准确性和可靠性。VAE擅长高维数据的线性表示，Transformer识别长期模式，LSTM处理序列数据，增强时间动态性。该解决方案在算法交易、风险分析和金融决策中具有重要应用。
- 2022-10-21 13:01神经网络技术宅的博客 我的经验是训练准确率尽量接近测试准确率或者训练误差与测试误差均低,单纯追求训练准确率的最高不一定可取,有可能出现overlearning的情况,有时训练准确率高是因为a network might improve the error rating on a ...
- 2023-12-27 00:48熬夜患者的博客 长短期记忆网络（Long Short-Term Memory Network，LSTM）是一种可以有效缓解长程依赖问题的循环神经网络．LSTM 的特点是引入了一个新的内部状态（Internal State）
- 2025-09-26 09:16Allen_Lyb的博客 实验结果表明，该方法在医疗时序预测任务中表现优异，RMSE和MAE分别达到0.51和0.38，显著优于单一LSTM和EMD-LSTM模型。该模型为ICU患者风险评估提供了高精度分析工具，在临床决策支持系统中有重要应用价值。
- 2025-05-14 08:03拓端研究室TRL的博客 融合模型是通过结合多个基模型预测结果来提升整体预测性能的机器学习范式，在本研究中，基模型为SARIMA模型与LSTM模型，它们分别具备良好的处理数据中线性和季节性成分的性能与处理非线性或复杂成分的性能，在众多...
- 2023-08-13 01:06光子AI的博客 模型训练时间长需要大量数据预处理工作模型容量庞大为了克服上述问题，2017年Hochreiter等人提出了一种新的方法——长短期记忆神经网络(LSTM)，这是一种对序列数据的有效且可微分的方式，能够学习时序依赖性并保持...
- 2021-11-15 20:14fwyynl的博客 这个问题很多人在训练自己或者迁移别的网络的时候都会遇到，特别是二分类这样的简单网络，感觉无处着手，都他妈的是对的，就是Loss不动。到底什么原因了？吐槽的网址很多。比如这里,或者这里。若想知道解决办法，请...
- 没有解决我的问题, 去提问
问题事件
已结题
（查看结题原因） 4月29日-
创建了问题
4月28日