我的验证准确率达到100%，并且在最后大约100个周期内几乎保持不变。而训练准确率则在98%到99%之间。我使用的是具有2个隐藏层的neural network。这是一个多类分类问题。

训练数据的大小为777385，验证数据是其20%。

代码：

model_Lrelu_3L3N = Sequential()model_Lrelu_3L3N.add(Dense(3, input_dim=49, activation='linear'))model_Lrelu_3L3N.add(LeakyReLU(alpha=.01))model_Lrelu_3L3N.add(Dense(3,input_dim = 5, activation ='linear'))model_Lrelu_3L3N.add(LeakyReLU(alpha=.01))model_Lrelu_3L3N.add(Dense(9, activation='softmax'))model_Lrelu_3L3N.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])history = model_Lrelu_3L3N.fit(xcon_train,Ycon_train,validation_split = 0.20, batch_size = 100, epochs = 800)

回答：

我不确定您使用的是什么平台，但一般来说，验证数据和训练数据是不同的。验证集在大多数情况下比训练集小。当您训练网络时，网络是根据在训练集上计算的梯度进行更新的。然而，根据您的选择，性能指标是在验证集上应用的。这样做的原因是为了发现过拟合。如果您的网络在训练集上表现良好，但在验证集上表现差，这是过拟合的迹象，因为网络无法在验证数据上表现良好。

关于准确率，我认为唯一的解释是您的网络表现得很好，而且验证集包含适合您的网络的样本。另一方面，训练集可能更大，并且有一些样本被错误分类。尝试调整验证集的大小。