百科问答小站 logo
百科问答小站 font logo



验证集loss上升,准确率却上升该如何理解? 第1页

  

user avatar   virter 网友的相关建议: 
      

如题主自己回复,这种情况是由于模型得到的结果过于极端(自信)导致,上几张图,题主的情况应该和我下面情况差不多:

可以看到随着迭代增加ValidationLoss越来越大快跑飞了,不过准确率却逐渐平稳变化不大。而且验证集的准确率最高点也出现在先下降后上升区间。实际上准确率最高点(10 epoch左右)的预测结果是这样的:

而训练200 epoch后的预测结果是这样的:

可以明显看出训练200轮后结果趋于极端,而这些极端的负面Loss拉大了总体Loss导致验证集Loss飙升。出现这种情况大多是训练集验证集数据分布不一致,或者训练集过小,未包含验证集中所有情况,也就是过拟合导致的。而解决这种现象可以尝试以下几种策略:

  1. 增加训练样本
  2. 增加正则项系数权重,减小过拟合
  3. 加入早停机制,ValLoss上升几个epoch直接停止
  4. 采用Focal Loss
  5. 加入Label Smoothing

不过个人感觉主要还是增加训练样本比较靠谱..而且不用太关心ValLoss,关注下ValAccuracy就好。我的这个实验虽然只训练10个epoch在验证集上的准确率高且ValLoss小,但在测试集上结果是巨差的,而训练200个epoch的模型ValLoss虽然巨高但测试集效果还不错。




  

相关话题

  Transformer在工业界的应用瓶颈如何突破? 
  Resnet到底在解决一个什么问题呢? 
  神经网络的损失函数为什么是非凸的? 
  nlp有哪些值得完整实现一遍的算法? 
  机器学习中的机器是如何分辨哪些是有用的知识,哪些是没用的信息呢? 
  谷歌翻译原理是什么,从语言A到B,中间是否要翻译成中介语言C(如英语)? 
  算法工程师是否应该持续读论文? 
  神经网络分类训练后得到的是连续的数怎么离散? 
  验证集loss上升,准确率却上升该如何理解? 
  对自己深度学习方向的论文有idea,可是工程实践能力跟不上,实验搞不定怎么办? 

前一个讨论
为什么学习深度学习感觉无法入门?
下一个讨论
联邦学习/联盟学习 (Federated Learning) 的发展现状及前景如何?





© 2025-05-01 - tinynew.org. All Rights Reserved.
© 2025-05-01 - tinynew.org. 保留所有权利