Wolfram语言™

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。