在吴恩达的机器学习类(class)中,建议您绘制学习曲线(训练集大小与成本),以确定您的模型是否具有高偏差或方差。
但是,我正在使用 Tensorflow 训练我的模型,发现我的验证损失在增加,而训练损失在减少。据我了解,这意味着我的模型过度拟合,因此方差很高。还有理由绘制学习曲线吗?
最佳答案
是的,有,但它不仅仅用于发现过度拟合。但无论如何,绘图只是查看数字的奇特方式,有时它会给您带来见解。如果您同时监控训练/验证中的损失 - 显然您正在查看相同的数据。
关于安德鲁的想法 - 我建议研究他的深度学习类(class),他澄清说,在现代应用程序中(深度学习+大量数据,我相信,这就是你的情况)偏差并不是方差的对立面。
关于python - 为什么需要学习曲线来确定神经网络是否具有高偏差或方差?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53015550/