神经网络(cnn)训练集正确率88%，测试集只有50%，这是为什么

[lummDL]

在用cnn给一维数据分类，206个样本分成5类。训练集的正确率可以达到88%，测试集的正确率只有50%左右。。测试集的正确率为什么这么低呢？？？调参貌似没什么用，不知道有没有哪位大神可以指点一二？？？？

[kuanzha5166]

你好，可否留一下，具体将二维CNN改成一维CNN的代码？

[Timmy_Y]

感觉是过拟合了吧

[cnmhx]

这是正常的，不是过拟合。 你不妨用交叉检验。

[lidan07010701]

引用 3 楼 cnmhx 的回复:

这是正常的，不是过拟合。 你不妨用交叉检验。

引用 3 楼 cnmhx 的回复:

这是正常的，不是过拟合。 你不妨用交叉检验。

请问这为什么是正常的呢？

[lidan07010701]

楼主 找到这个问题的解决办法了吗 我也是这种问题 训练集正确率90%多 测试集却50%左右

[qq_40424372]

想问一下 BP网络用训练集数据才测试，正确率一直在变，最高百分之40，最低为零，这是什么原因

[yanhe2453]

我也是存在这个问题，用的svm来训练模型，准确率一个90%多，一个50%，求大神解答

[sinat_tangsipeng]

这种应该是过拟合

[麦克斯韦的妖精]

如果是分成两类的话百分之五十就是随机猜了

[Frcapitain]

机器学习本身就是基于训练集，尽可能的使得训练集正确率达到全局或者局部最优，训练的时候用力过猛，过拟合太理想化了，可以十则交叉。 如果一开始训练的正确率就低，只能说明参数没有调好或者这组数据不适用这种算法，毕竟没有万能的算法。

[weixin_41985160]

绝对不正常，加几层dropout吧

[qq_34059311]

训练集与测试集划分的时候需要随机划分，不要直接截取一部分做训练集/测试集

[Aldrich_Xu]

我训练集效果也很好，没训练100次还在验证集进行验证，效果也很好，但是测试集效果就变差了，这应该不是过拟合把，对吗？？

[祥瑞Coding]

这是过拟合吧？可以换一个模型试试，或者在loss之中加入一个正则化项。

[weixin_44988715]

206个样本。。。
这么小的样本量太容易过拟合了，或者说任何问题都有可能出现。
还分成5类。。。

还是先把样本扩大再说别的吧。

[einskaige]

加大训练样本，或者减少类，也可以加个dropout试试

[dnjernh]

200多个样本,分成一类我都嫌数据少,还5类,你以为神经网络是什么啊?增大数据再说别的

[王凡超]

这种情况可能是输入到网络中的features有问题，就是你的features与label之间没有很明确的关联，也或许是你的features太少，训练集经过训练准确度升高表明网络记住了训练集特征，测试集上50%表明该模型没有泛化能力，如果你调参仍然不行的话可能真的得修改一下features

[Hackkk_son]

引用 19 楼 王凡超 的回复:

这种情况可能是输入到网络中的features有问题，就是你的features与label之间没有很明确的关联，也或许是你的features太少，训练集经过训练准确度升高表明网络记住了训练集特征，测试集上50%表明该模型没有泛化能力，如果你调参仍然不行的话可能真的得修改一下features

老哥你好，我的数据集有30k张图片，其中13k正样本，17k负样本，两个类，使用的是AlexeyAB版本的darknet，迭代大概15000次的时候，训练集的mAP=69.04% 测试集的mAP=63.07%，请问是否已经过拟合了？我之前看过一篇博客提到好像误差在20%以内是可以接受的？