machine-learning - 卷积神经网络中的过度拟合

Question

我正在应用 CNN 对手势进行分类，我有 10 个手势，每个手势有 100 个图像。我构建的模型在训练数据上的准确率约为 97%，在测试数据上的准确率达到 89%。我可以说我的模型过度拟合了，还是可以接受这样的精度图(如下所示)？

Answer 1

向训练集中添加更多数据

当你的训练集中有大量数据(各种实例)时，最好创建一个过度拟合模型。

示例:假设您只想检测一个手势，例如“竖起大拇指”(二元分类问题)，并且您已经创建了包含大约 1000 张图像的正向训练集，其中图像被旋转、平移、缩放、不同的颜色、不同的图像角度、视角各异、背景杂乱……等等。如果您的训练准确率是 99%，那么您的测试准确率也会接近。

因为我们的训练集足够大，可以覆盖正类的所有实例，所以即使模型过度拟合，它也会在测试集中表现良好，因为测试集中的实例只会与测试集略有不同训练集中的实例。

就您而言，您的模型很好，但如果您可以添加更多数据，您将获得更好的准确性。

要添加什么类型的数据？

手动检查模型出错的测试样本并检查模式，如果你能找出什么样的样本出了问题，你可以将此类样本添加到你的训练集中并再次重新训练。