关于过拟合和欠拟合

一、什么是过拟合

过拟合意味着模型对训练数据过度拟合，导致在未见过的数据上表现不佳

二、什么是欠拟合

如果训练损失和验证损失都很高且下降缓慢，可能是欠拟合。这可能意味着模型过于简单，无法很好地拟合数据。

三、如何判断训练的效果

当你运行 model.fit 时，会看到类似以下的输出：

Epoch 1/10
...
loss: 0.5000 - val_loss: 0.4500
Epoch 2/10
...
loss: 0.4000 - val_loss: 0.3800
...

这里的 loss 就是训练损失，val_loss 就是验证损失。

为了更详细地分析损失值的变化，你可以将 model.fit 的返回值存储在一个变量中，这个变量通常被称为 history：

history = model.fit(train_data, epochs=10, validation_data=val_data)

history.history[‘loss’] 是一个列表，包含了每个 epoch 的训练损失，
history.history[‘val_loss’] 包含了每个 epoch 的验证损失。

注意重点了！下面

• 判断过拟合：