python - 从经过训练的模型中了解 LSTM 训练和验证图及其指标 (LSTM Keras)

Question

我训练了一个 RNN/LSTM 模型。在绘制损失和准确性图表（黑白训练和验证数据集）之后，我想解释我的模型结果。

如果我只向模型提供部分输入，我的目标是对标签（0 或 1）进行分类。我以这种方式进行了培训。

Train_Validate_Test_Split

Train 80% ; Validation 10 % ; Test 10%

X_train_shape : (243, 100, 5)
Y_train_shape : (243,)

X_validate_shape : (31, 100, 5)
Y_validate_shape : (31,)

X_test_shape : (28, 100, 5)
Y_test_shape : (28,)

模型摘要

模型图

来自模型结果的问题或解释

Q 1：我可以从损失和准确度图中理解/解释什么？如何确认模型是否为我的数据集正确训练？

Q 2：损失和准确率的波动是否对模型训练有影响？（或者这是一种正常行为）如果不是，我怎样才能在没有振荡的情况下规范我的模型？

问 3：我可以从我的指标表格列中解释或理解什么？与训练和验证准确性相比，我的 Y_test 准确性更高，我可以从这种行为中解释什么？

模型指标

标签： pythonkerasneural-networkdeep-learninglstm