如何在深度学习中验证我的模型是否实际正常运行？

Question

我有一个大约6K化学式的数据集，我正在通过Keras预处理＃39;标记化以执行二进制分类。我目前正在使用具有丢失的一维卷积神经网络，并且在仅仅两个时期之后我获得了82％的准确度和80％的验证准确度。无论我尝试什么，模型只是在那里平稳，似乎根本没有改善。使用香草LSTM也达到了同样精确的准确度。还有什么我可以尝试提高我的准确性？损失只有0.04的差异......任何人都有任何想法？两种模型都使用嵌入层，并且更改输出维度也不会产生影响。

Answer 1

根据您的回答，我认为您的模型具有较高的偏差和较低的方差（有关详细信息，请参阅this link）。因此，您的模型不能很好地拟合您的数据，并导致不合适。所以，我建议你做三件事：

1. 再训练一下你的模型：我认为两个时代太少，无法让你的模型理解数据中的模式。尽量减少学习率并增加时代数。
2. 尝试不同的架构：您可以更改卷积，过滤器和图层的数量。您还可以使用不同的激活功能和其他层，例如 max pooling 。
3. 进行错误分析：完成培训后，将模型应用于测试集并查看错误。你有多少误报和漏报？你的模型更好地分类一个类而不是另一个类吗？您可以在错误中看到可能与您的数据相关的模式吗？

最后，如果这些建议都没有帮助您，您可以尝试增加功能的数量。