解释 Keras 损失和准确度图

Question

我在解释这些损失和精度图时遇到了一些麻烦。 例如，在第一个中，验证损失值相当低（它已经开始低于 0.35），但随后迅速发散。 另一方面，在第二个例子中，验证从一个更高的值开始，然后它似乎达到了一个平台（它不像第一个例子那样开始增长）。 此外，第四张图似乎有些奇怪，因为验证损失和验证准确度似乎都随着时间的推移而下降。

您认为这四个图表中的哪一个是最好的？

提前谢谢你，安德里亚

Answer 1

您认为这四个图表中的哪一个是最好的？

这是一个错误的问题，因为您没有在分析中考虑测试（或看不见的数据）。

在第一张图中，请注意验证损失在增加，而训练损失在减少。 这表明您的模型存在过拟合问题- 在这种情况下，您的模型将以高精度预测训练数据，但无法预测验证数据。

就哪些图表“更好”而言，仅靠评估图表是无法判断的。

我不确定您是否已经这样做了，但是关于您的神经网络是否正常运行的真正测试是模型是否擅长预测测试数据，即模型看不到的新数据。

您会发现该模型在预测训练和验证数据方面表现良好 - 因此，随着损失的减少，损失曲线继续显示向下倾斜的模式，但这并没有告诉您模型在测试数据上的表现。

在这方面，您应该检查哪种配置在看不见的数据上表现最好 - 如果您没有考虑新数据预测的准确性，仅通过曲线的形状进行评估是错误的。

Answer 2

好的，我找到了图表中损失和准确率之间奇怪关系背后的原因。

事实是，验证分数是通过 4 折交叉验证建立的； 因此，学习了 4 个模型，并对它们的结果求平均值。

但是，我认为 Keras 的 model.fit() 会重置模型中的权重，实际上并没有。 所以，我现在添加了一行来重新定义每个折叠内的模型，以确保每次都从头开始学习。

现在我得到了更合理的图表，例如：