模型训练集 测试集评估效果好，预测效果差 是什么原因？

一、模型训练集 测试集评估效果好，预测效果差 是什么原因？

为了避免过拟合，训练集表现很好的参数，在测试集里如果表现不一致就说明有过拟合的存在。 数据一般分为训练集＋验证集＋测试集。 训练集用于训练模型的参数 验证集用于验证不同模型的性能（不是必须） 测试集用于测试训练好的模型的性能

二、什么是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小？

损失函数是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。

损失函数是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。

在应用中，损失函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。