python - 如果我在非常小的训练数据集上不能得到 0 错误，这意味着什么？

Question

为了验证网络是否可以潜在地学习，人们经常尝试过度拟合小数据集。

我的数据集无法达到 0 错误，但输出看起来像该网络记住了训练集。(MPAE ~1 %)

为了证明我的网络可能在我的数据集上工作，是否绝对有必要获得 0 错误？

标签： pythonkerasdeep-learning

Answer 1

简短的回答：没有

原因：

1. 可能是少数示例未标记。在分类的情况下，尝试识别它无法正确分类的示例。这将告诉您您的网络是否已经学会了它所能学习的一切。
2. 如果您的数据没有可以学习的模式，也可能发生这种情况——如果数据本质上是随机的。
3. 如果数据有噪声，有时噪声会掩盖预测所需的特征。
4. 如果数据集是混乱的，因为标签之间（和之间）特征变化迅速且剧烈 - 如果您的数据遵循非常复杂（非平滑）的函数。

希望这可以帮助！