在用cnn給一維資料分類，206個樣本分成5類。訓練集的正確率可以達到88%，測驗集的正確率只有50%左右。。測驗集的正確率為什么這么低呢？？？調參貌似沒什么用，不知道有沒有哪位大神可以指點一二？？？？
uj5u.com熱心網友回復：
你好，可否留一下，具體將二維CNN改成一維CNN的代碼？uj5u.com熱心網友回復：
感覺是過擬合了吧uj5u.com熱心網友回復：
這是正常的，不是過擬合。你不妨用交叉檢驗。
uj5u.com熱心網友回復：
樓主 找到這個問題的解決辦法了嗎 我也是這種問題 訓練集正確率90%多 測驗集卻50%左右uj5u.com熱心網友回復：
請問這為什么是正常的呢？
uj5u.com熱心網友回復：
想問一下 BP網路用訓練集資料才測驗，正確率一直在變，最高百分之40，最低為零，這是什么原因uj5u.com熱心網友回復：
我也是存在這個問題，用的svm來訓練模型，準確率一個90%多，一個50%，求大神解答uj5u.com熱心網友回復：
這種應該是過擬合uj5u.com熱心網友回復：
如果是分成兩類的話百分之五十就是隨機猜了uj5u.com熱心網友回復：
機器學習本身就是基于訓練集，盡可能的使得訓練集正確率達到全域或者區域最優，訓練的時候用力過猛，過擬合太理想化了，可以十則交叉。如果一開始訓練的正確率就低，只能說明引數沒有調好或者這組資料不適用這種演算法，畢竟沒有萬能的演算法。
uj5u.com熱心網友回復：
絕對不正常，加幾層dropout吧uj5u.com熱心網友回復：
訓練集與測驗集劃分的時候需要隨機劃分，不要直接截取一部分做訓練集/測驗集uj5u.com熱心網友回復：
我訓練集效果也很好，沒訓練100次還在驗證集進行驗證，效果也很好，但是測驗集效果就變差了，這應該不是過擬合把，對嗎？？uj5u.com熱心網友回復：
這是過擬合吧？可以換一個模型試試，或者在loss之中加入一個正則化項。uj5u.com熱心網友回復：
206個樣本。。。這么小的樣本量太容易過擬合了，或者說任何問題都有可能出現。
還分成5類。。。
還是先把樣本擴大再說別的吧。
uj5u.com熱心網友回復：
加大訓練樣本，或者減少類，也可以加個dropout試試uj5u.com熱心網友回復：
200多個樣本,分成一類我都嫌資料少,還5類,你以為神經網路是什么啊?增大資料再說別的uj5u.com熱心網友回復：
這種情況可能是輸入到網路中的features有問題，就是你的features與label之間沒有很明確的關聯，也或許是你的features太少，訓練集經過訓練準確度升高表明網路記住了訓練集特征，測驗集上50%表明該模型沒有泛化能力，如果你調參仍然不行的話可能真的得修改一下featuresuj5u.com熱心網友回復：
老哥你好，我的資料集有30k張圖片，其中13k正樣本，17k負樣本，兩個類，使用的是AlexeyAB版本的darknet，迭代大概15000次的時候，訓練集的mAP=69.04% 測驗集的mAP=63.07%，請問是否已經過擬合了？我之前看過一篇博客提到好像誤差在20%以內是可以接受的？
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/7060.html
標籤：其他開發語言