machine-learning - 如何从train/val损失和精度曲线中选择最佳模型？

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 5 年前。

Improve this question

在深度学习中，我们应该根据train/val损失和准确率来选择最佳模型，但是我如何知道哪个点是最好的？

它是否只取决于 val 准确度而不考虑其他指标？

还有两个相关问题:

最佳训练/验证损失和准确率曲线是什么样的？

如果train loss在减少，train precision在增加，但是训练很长时间后val loss在增加，而val precision停止增加，该怎么办？

看起来像这样:

• train accuracy
• train loss
• val accuracy
• val loss

Answer 1

首先，您需要根据开发/验证数据集的结果选择模型。因此，用val准确率和val损失来判断模型的性能。

在某种程度上，较高的 val 准确度通常与较低的 val 损失相关。这是因为您的损失用于衡量预测结果与真实结果之间的差异。

不同的问题用不同的指标来衡量，就像我们在机器翻译中经常使用BLEU分数一样，你需要阅读一些有关你的研究领域的论文来了解哪个指标受欢迎。

训练损失减少和验证损失增加是模型训练中很正常的现象，这通常意味着您的模型过度拟合。它学习了太多仅出现在训练数据集中而不是整个数据集中的特征。

关于处理过拟合，有很多方法，比如早停、丢层等，google一下就可以了。