第266章 筛选模型，以及最后的优胜者

通过观察训练日志，江寒发现，其中大约50种方案，在训练集上表现就很普通，识别正确率不足90%。

这意味着，它们先禀赋不足，对数据的拟合能力不强，再怎么训练，成就也有限。

第一批一共160种方案，如果比喻成160名学生的话，这50多名学生，就相当于这一届的“学困生”。

将这些方案也先放在一边，暂时排除在考察范围之外。

还剩下22种方案，在训练集上表现十分良好，这至少明，它们的学习能力没有太大的问题。

随后，江寒将验证集加载到这22份代码中，逐一进行测试。

这样就能通过比较，挑选出泛化能力相对较强，对陌生数据适应能力较好的方案。

神经网络训练起来很慢，但用训练好的模型对数据进行分类，速度相当快。

所以，江寒只用了一个多时，就将22种方案都测试了一遍，然后按照综合得分排了一下序。

排名前三的方案，在训练集上的识别正确率，都超过了94%的及格线。

而在测试集上的表现，则参差不齐。

江寒仔细思考了一会儿后，先淘汰掉撩分最高的方案。

因为这个方案在训练集上，虽然识别正确率超高，接近了99%，但在测试集上表现不算太好，只有93%不到的准确率。

这明模型泛化能力有所不足，产生了非常严重的过拟合。

用比较通俗的话，这就是一个“书呆子”，只会死读书，不会活学活用。

所以只能先Pass掉。

第三名的模型，在训练集和测试集上表现差不多，都超过了95%，但相对来，还是不够突出。

而且泛化能力虽然没问题，可是和其他模型相比，学习能力似乎稍微差了些。

如果有更多数据支撑，或者更多的训练时间，也许能得到一点改善，但也不会特别乐观。

这就好比某些中等生，头脑其实不笨，但学习习惯和方法不够好，也不够努力。

然后在一次测试中，虽然凭借良好的发挥，暂时领先了其他中等生，但毕竟还是比不上那些真正的优秀生。

所以，江寒权衡再三，最后选择邻二个模型。

这个模型在训练集和验证集上，表现都可圈可点，双双达到了97%的理想线。

而且，江寒分析完一些数据后，感觉只要进一步提高训练强度，这个模型应该还有很大的进步空间。

这是一个赋不错的学生，文理双修，没有短板，但并没怎么用力去学，这才输给了书呆子一筹。

这种学生只要加强训练，成为高材生指日可待，日后的发展不是书呆子可比的。

这是江寒从160套方案中，层层选拔，优中选优，最后留下来的唯一优胜者。

接下来，就该对其进行地狱特训了……