您当前的位置:首页 > IT编程 > 超参数
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet |

训练集准确率97%(很高),测试集准确率50%~60%(很低),解决方案探索

51自学网 2020-12-08 14:40:22
  超参数

训练集准确率97%(很高),测试集准确率50%~60%(很低),解决方案探索

训练集在训练过程中,loss稳步下降,准确率上升,最后能达到97%

验证集准确率没有升高,一直维持在50%左右(二分类问题,随机概率)

测试集准确率57%

在网上搜索可能打的原因:

1.learning rate太小,陷入局部最优

2.训练集和测试集数据没有规律

3.数据噪声太大

4.数据量太小(总共1440个样本,80%为训练集)

5.训练集和测试集数据分布不同:如训练集正样本太少(训练集和测试集每次运行随机选择,故排除)

6.数据集存在问题,如标注有问题(采用公开数据集,排除)

7.学习率过大???

8.模型参数量过多而数据量过少

9.过拟合

10.输入到网络中的特征有问题,特征与label之间没有很明确的关联,或特征太少

11.数据没有归一化

自己猜测可能的问题:

1.正好选择了效果差的被试(脑电数据不同被试之间识别准确率有一定差距)

2.输入样本的特征向量维度太大,而数据量不够大

 


batch size选多少合适?
Keras 最新《面向小数据集构建图像分类模型》
51自学网,即我要自学网,自学EXCEL、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。
京ICP备13026421号-1