训练和验证曲线 - 是过度拟合还是拟合良好？ [已关闭]

Question

训练损失和验证损失正在收敛，但损失正在接近 0

我预计验证损失应该大于训练损失

• 我没有使用dropout
• 这是我的模型网络

model = Sequential()

model.add(LSTM(50, input_shape=(1, look_back)))
model.add(Dense(1))

optimizer = Adam(learning_rate=0.001)

Answer 1

在没有任何其他信息的情况下，这实际上看起来非常适合我。

如果模型过度拟合，训练损失将随着额外的 epoch 继续减少，而验证损失将开始再次增加。

然而，你的图表表明训练损失和验证损失收敛到相同，并且保持在接近 0 的非常低的水平。因此，我个人认为这是一个非常好的拟合水平。

不过，超过 4 或 5 个 epoch 的训练看起来确实没有任何实质性好处。您的图表似乎显示了从 5 开始，两者的损失数字保持完全相同，即使它上升到 9。

出于兴趣，您的模型在测试数据集与训练数据集上获得了什么样的预测精度（RMSE/散点指数）？这可能会更好地了解您的模型是否过度拟合。