[ML]模型参数多少对结果的影响

最新推荐文章于 2024-03-18 07:15:00 发布

转载最新推荐文章于 2024-03-18 07:15:00 发布 · 490 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/xmxkkk/p/7641148.html

探讨了在机器学习模型中，参数数量与过拟合现象之间的关系，指出参数过多易导致过拟合，参数过少则可能丢失关键特征。

少参数
50000/50000 [==============================] - 75s - loss: 2.0726 - acc: 0.2503 - val_loss: 2.3972 - val_acc: 0.2151
多参数
50000/50000 [==============================] - 154s - loss: 1.8582 - acc: 0.3299 - val_loss: 2.0562 - val_acc: 0.3347
更多参数
50000/50000 [==============================] - 1592s - loss: 1.8469 - acc: 0.3408 - val_loss: 2.4147 - val_acc: 0.2675

参数越多，越容易出现过度拟合的现象；参数越少，越容易出现丢失特征并导致准确率不够。

转载于:https://www.cnblogs.com/xmxkkk/p/7641148.html