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/