python - 如何在 Keras 神经网络中获得训练和开发错误？

Question

为了了解我的模型是过拟合还是欠拟合，我应该如何获取这些值？例如，当train_error= 0.1和时dev_error=0.25，模型过拟合是可以理解的。但我不知道我的模型提供的哪些结果表明了上述错误。损失值是表示该度量还是（1-准确度）度量？

这是我的模型训练结果的一部分：

Epoch 152/250
100253/100253 [==============================] - 12s 118us/step - loss: 
0.5306 - acc: 0.8568 - val_loss: 1.1438 - val_acc: 0.7550

标签： pythonmachine-learningkerasneural-networkevaluation

Answer 1

1. 术语错误和损失是同义词

2. Keras 将训练损失（分别为准确率）表示为loss( acc)；验证损失和准确性分别表示为val_loss和val_acc。

3. train_error= 0.1and dev_error=0.25, or loss: 0.5306and val_loss: 1.1438在这里，并不表示过拟合；这只是泛化差距，即训练集和验证集之间性能的预期差距。引用Google AI 最近的一篇博文：

   理解泛化的一个重要概念是泛化差距，即模型在训练数据上的性能与其在从同一分布中提取的不可见数据上的性能之间的差异。

过度拟合的明显特征是当您的验证损失开始增加，而您的训练损失继续减少时，即：

注意上图中曲线之间的间隙（双关语）（改编自维基百科关于过度拟合的条目）。

根据上下文，人们可能更喜欢监控指标而不是下面评论中正确指出的损失，但这是另一个讨论 - 希望你在这里得到这个想法......