擅长:python、mysql、java
<p>当您的模型在网络中的所有节点上运行数据并准备更新权重以达到最佳损失值时,一个纪元结束。也就是说,越小越好。在你的例子中,由于在更高的历元上有更高的损失分数,“似乎”模型在第一个历元上更好。</p>
<p>我说“似乎”是因为我们还不能确定,因为该模型还没有用正确的交叉验证方法进行测试,也就是说,它只根据其训练数据进行评估。</p>
<p>改进模型的方法:</p>
<ul>
<li>在你的Keras模型中使用交叉验证来找出模型的实际执行情况,它在预测以前从未见过的新数据时是否能很好地概括?</li>
<li>调整学习速度、神经网络模型的结构、隐藏单元/层的数量、init、优化器和模型中使用的激活器参数等等。</li>
</ul>
<p>将sklearn的GridSearchCV与Keras相结合可以使这个过程自动化。</p>