Ş›自动防止过度拟合
过度拟合是指模型无法推广到训练集以外的数据。防止过度拟合的一种方法是在保留的验证数据集上监测模型的性能,如果验证集上的性能停止改善,则停止训练。此示例演示了培训停止标准的选项NetTrain公司允许您指定一个标准,用于确定网络是否正在改进,从而防止过拟合。
创建一个简单的网络。
在网上训练鸢尾花数据集,如果验证F1得分在100轮以上没有改善,则停止。
将此与不提前停止训练同一网相比;你获得了类似的F1成绩,但训练时间更长。请注意,此示例超出了训练集的范围:验证F1分数降低了。