添加正则化导致性能变慢和变差

当我增加更强的正则化(例如,L2正则化参数从1增加到10,或者dropout参数从0.75降低到0.5)时,我的模型性能变慢且变差(例如,测试准确率在3000-4000次迭代中从97-98%下降到94-95%)。这可能有什么原因吗?我可以确认所有代码都正确实现了。谢谢!

编辑:我想补充说明,我的程序存在大约1%的过拟合现象,并且无论是否使用dropout,训练和测试准确率之间的差异大致相同。


回答:

准确率急剧下降的原因可能是欠拟合。尝试使用小于1的L2正则化值,例如[0.01,0.03,0.1,0.3,0.9],看看效果如何。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注