今天在Keras训练了一个模型，发现模型的训练accuracy和测试accuracy的准确率偏差比较大，如下
在问了些大佬后（感谢大佬），我的这个原因很可能是因为过拟合导致的差距比较大，之后在每个层之间都加入了dropout，再重新训练模型得到了下面这样的效果：
可以看到，效果还是很明显的，接下来就是调整dropout里面的参数和dropout层数的事情了。
当然，有些模型accuracy震荡比较厉害不光是过拟合的原因，也有可能是数据本身的原因，那就需要实验者自己查看数据哪里出现问题了，这里给出Keras添加dropout的方法。
def self_mlp(): model=Sequential() model.add(Dense(units=200,input_dim=95,activation='relu')) model.add(Dropout(0.2)) model.add(Dense(units=200,activation='relu')) model.add(Dense(units=200,activation='relu'))# model.add(Dropout(0.2)) model.add(Dense(units=200,activation='relu')) model.add(Dropout(0.2)) model.add(Dense(units=200,activation='relu')) model.add(Dropout(0.2)) model.add(Dense(units=256,activation='softmax')) model.compile(optimizer=rms,loss='categorical_crossentropy',metrics=['accuracy']) return model
dropout层越多，里面的参数越大就越有可能导致欠拟合，所以需要自己不断尝试。
本人dtddd，要是有大佬看见我哪里不正确，希望能提醒下（手动滑稽）