GCP Automl如何处理过度拟合？
我创建了一个顶点AI AutoML图像分类模型。如何评估过度拟合？我认为我应该能够比较培训与验证精度，但是这些似乎并不是可用。
如果它过于拟合，我可以调整正则化参数吗？它已经进行了交叉验证吗？还有什么可以做的吗？ （更多数据，早期停止，辍学，即如何完成这些？）
I have created a Vertex AI AutoML image classification model. How can I assess it for overfitting? I assume I should be able to compare training vs validation accuracy but these do not seem to be available.
And if it is overfitting,can I tweak regularization parameters? Is it already doing cross validation? Anything else that can be done? (More data,early stopping, dropouts ie how can these be done?)
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
通过上传到端点，将其部署到端点和测试结果。如果过度拟合，您可以看到分析中的统计信息。您可以增加培训样本并再次重新训练模型以获得更好的结果。
Deploy it to endpoint and test result with sample images by uploading to endpoint. If it's overfitting you can see the stats in analysis. You can increase the training sample and retrain your model again to get better result.