python - 非常高的验证，同时缓慢增加训练

Question

我无法理解为什么我的验证准确度非常高； 98%左右。该值是仅经过 5 个 epoch 后的值；我的火车准确率正在慢慢提高，如下面的屏幕截图所示。

我的数据是一个大小合适的 np float 数组，代表 9 秒的 .WAV 文件。

这是我的变量浏览器

这是我的模型的样子。正如您所看到的，为了减少过度拟合(在此之前非常糟糕 - 99% 的训练 acc 和 26% 的验证)，我添加了 60% 的 dropout 层；这使我获得了最高的验证准确性。

models = models.Sequential()
models.add(layers.Dense(20,activation = keras.layers.LeakyReLU(alpha=0.3)))
models.add(layers.Dense(4,activation = 'relu'))
models.add(layers.Dropout(.6))
models.add(layers.Dense(6,activation = 'relu'))
models.add(layers.Dense(80,activation = 'relu'))
models.add(layers.Dense(4, activation='softmax'))



models.compile(optimizer ='nadam', 
                loss='categorical_crossentropy',
                metrics=['acc'])

history = models.fit(train_data, train_labels,
                    epochs=5,
                    batch_size= 2000,
                    validation_data=(test_data, test_labels))

即使在对我的数据进行打乱之后，也能达到如此高的准确度，如下所示。

data = np.column_stack((X,Y))
np.random.shuffle(data)

train_data = data[0:515,0:396900]
train_labels = data[0:515,396900:396904]

test_data = data[515:585,0:396900]
test_labels = data[515:585,396900:396904]

(修复数据洗牌，谢谢)

可以肯定的是，我并不是提示这种高精度，我只是觉得这是错误或测量错误值/keras计算错误精度的结果。

Answer 1

我很确定这是关于数据的洗牌。

请注意，在最后一个片段中，您没有对训练和测试数据(X 和 Y)进行混洗，而只是对 data 数组进行混洗。

要使用打乱的数据进行训练，您应该:

train_data = data[0:515,0]
train_labels = data[0:515,1]

test_data = data[515:586,0]
test_labels = data[515:586,1]