簡體 English 中英

文本分類的訓練和驗證准確性和損失

[英]training and validation accuracy and loss for text classification

原文 2020-11-26 17:39:07 4 1 python/ deep-learning

我正在用 3 個類進行文本分類，在訓練我的 model 之后，下圖是我的 model 准確率和損失結果，這意味着我的模型沒有學習嗎？

1 個解決方案

您的 model 似乎在訓練集上過度擬合。 這意味着它會學習無法推廣到您的驗證集的訓練集的特定特征，因此它還沒有接受過訓練的數據。

如果您使用的是神經網絡，請研究使用可以緩解這種情況的技術，例如 dropout 和正則化。 可以在這里看到一些關於此的想法。

繪制訓練和驗證的准確性和損失

[英]Plot training and validation accuracy and loss

lstm中的訓練和驗證損失和准確性

[英]Training and validation loss and accuracy in lstm

如何基於文本文件繪制訓練和驗證損失以及准確性

[英]How to plot training and validation loss and accuracy based on a text file

解釋訓練損失/准確性與驗證損失/准確性

[英]Interpreting training loss/accuracy vs validation loss/accuracy

訓練精度很高，訓練過程中損失少，但分類不好

[英]Very high training accuracy and low loss during training, but bad classification

驗證損失和准確性不會因訓練而改變

[英]Validation loss and accuracy not changing from training

訓練和驗證損失減少但准確性波動？

[英]Training and validation loss decrease but accuracy fluctuates?

低訓練損失，高驗證損失和低驗證准確率

[英]Low training loss with high validation loss and low validation accuracy

如何減少損失，提高文本分類的准確率？

[英]How to reduce loss and improve accuracy in text classification?

訓練精度高，驗證精度低 CNN二元分類 keras

[英]High training accuracy, low validation accuracy CNN binary classification keras

暫無

暫無

聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

相關問題 繪制訓練和驗證的准確性和損失 lstm中的訓練和驗證損失和准確性如何基於文本文件繪制訓練和驗證損失以及准確性解釋訓練損失/准確性與驗證損失/准確性訓練精度很高，訓練過程中損失少，但分類不好驗證損失和准確性不會因訓練而改變訓練和驗證損失減少但准確性波動？低訓練損失，高驗證損失和低驗證准確率如何減少損失，提高文本分類的准確率？訓練精度高，驗證精度低 CNN二元分類 keras

相關標簽

粵ICP備18138465號 © 2020-2024 STACKOOM.COM