神经网络训练期间的均方误差(MSE)

训练过程中MSE有可能增加吗?

我目前正在计算验证集在每个epoch的MSE,并且在某个点上,MSE开始增加而不是减少。有人能解释这种行为吗?


回答:

回答你的问题:是的,这是有可能的。

如果你使用了正则化或随机训练,训练过程中MSE出现一些波动是正常的。

导致这一问题的一些可能原因

  1. 你使用的学习率过高,导致超过了成本函数的局部最小值,出现了过冲问题。

  2. 神经网络出现了过拟合。训练过度,失去了其泛化能力。

你可以尝试的措施:

  1. 当这种情况开始发生时,降低你的学习率。

  2. 对你的网络应用某种正则化方法,如dropout,以避免过拟合。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注