八过拟合与欠拟合实例

最新推荐文章于 2025-06-10 13:55:36 发布

rootgy

最新推荐文章于 2025-06-10 13:55:36 发布

阅读量1.4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Keras 深度学习

本文链接：https://blog.youkuaiyun.com/weixin_42373620/article/details/104779697

本文通过实例探讨了深度学习中的过拟合问题，包括过拟合的表现、原因及解决方法。首先介绍了过拟合的特征，即训练集上表现优秀但测试集上预测准确性低。接着，通过 Dropout 抑制过拟合，解释了 Dropout 的工作原理，并展示了其在训练和测试准确率上的改善效果。此外，还提到了 L2 正则化作为另一种抑制过拟合的手段。最后，总结了网络参数选择的总原则，强调在避免欠拟合和过拟合之间找到平衡的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

过拟合实例

import keras
from keras import layers
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

data = pd.read_csv('./Desktop/Keras/Data/credit-a.csv', header=None)#该数据没有columns即头部，为避免将第一行当作头部标签所以加上header=None

未加header=None

data.head()

在这里插入图片描述

加header=None

0—14是特征，最后一列是预测目标

data.iloc[:, -1].unique()##查看目标种类，是二元分类

在这里插入图片描述
取出x,y

x = data.iloc[:, :-1].values #取出前15列 
##取出数值为ndarray形式，之前为DataFrame形式，Keras都可以接受
x

在这里插入图片描述

##y = data.iloc[: , -1].values.reshape(-1, 1)
y = data.iloc[: , -1].replace(-1, 0).values.reshape(-1, 1)
##取出value，并将653个数据reshape为每个数据维度为1.reshape(-1,1)中-1是自动计算的意思，第二个1是维度为1
y

因为sigmoid输出是在（0，1）之间，因此我们需要将y中数据-1替换为0，所以用了replace(-1,0)

y.shape, x.shape

在这里插入图片描述
y中有653个长度为1的数据，x中有653个长度为15的数据

model = keras.Sequential()
model.add(layers.Dense(128, input_dim=15, activation='relu'))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))

model.summary()

在这里插入图片描述
隐藏层3层，有35201个参数训练

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['acc']
)

history = model.fit(x, y, epochs=1000)

最低0.47元/天解锁文章

200万优质内容无限畅学

八 过拟合与欠拟合实例

文章目录

过拟合实例

八过拟合与欠拟合实例