Bp神经网络训练、验证、全部的拟合效果要达到多少才比较好

这个问题并不能简单地回答，因为比较好的拟合效果是相对于具体的任务和数据而言的。在一般情况下，如果训练集的拟合效果较高(通常超过 95%)，验证集的拟合效果在 90% 左右，并且测试集的拟合效果与验证集的拟合效果相近，那么模型的拟合效果就是较好的。但是，如果训练集拟合效果很高(接近 100%)，但验证集和测试集的拟合效果很低，这可能意味着模型过拟合了，对于新的数据不具有良好的泛化能力。因此，要评..

王元祺

2264人浏览 · 2023-02-13 10:35:16

王元祺 · 2023-02-13 10:35:16 发布

这个问题并不能简单地回答，因为比较好的拟合效果是相对于具体的任务和数据而言的。在一般情况下，如果训练集的拟合效果较高(通常超过 95%)，验证集的拟合效果在 90% 左右，并且测试集的拟合效果与验证集的拟合效果相近，那么模型的拟合效果就是较好的。

但是，如果训练集拟合效果很高(接近 100%)，但验证集和测试集的拟合效果很低，这可能意味着模型过拟合了，对于新的数据不具有良好的泛化能力。

因此，要评估一个 BP 神经网络的拟合效果，需要考虑到训练集、验证集和测试集的拟合效果以及它们之间的相对差距。

技术共进，成长同行——讯飞AI开发者社区

更多推荐

2025 年 AI 与网络安全最新趋势深度报告

讯飞AI开发者社区

AI威胁人类？技术真相大揭秘

摘要：本文探讨人工智能发展中的双刃剑效应，分析威胁论的技术根源（自主决策边界、价值对齐困境、系统失控风险），结合数据揭示当前AI威胁现状（算法偏见72%、深度伪造58%等），并提出可控AI开发的四原则解决方案：可解释性嵌入、动态熔断机制、人类在环验证和对抗训练强化。文章强调AI安全需通过技术手段（形式化验证、联邦学习等）与监管结合实现，指出真正的风险在于人类如何设计和使用AI系统。（149字）

讯飞AI开发者社区

【愚公系列】《人工智能70年》020-语音识别的历史性突破（深度学习带来历史性突破）

摘要深度学习技术彻底改变了语音识别领域的发展轨迹。2006年，杰弗里·辛顿的论文启发了微软的邓力团队，推动微软在2012年提出CD-DNN-HMM架构。谷歌紧随其后，2012年率先在产品中应用深度学习技术。产业竞争白热化：微软2016年实现对话语音识别人类水平，百度则早在中文语音识别取得突破。这种技术革新重塑了行业格局，Nuance等传统技术公司迅速式微，数据资源和场景应用能力成为新的竞争焦点。