1. 模型存在问题

1.1 过拟合

       过拟合(Overfitting)：模型过于紧密或精确地匹配特定数据集，以致于无法良好地拟合其他数据或预测未来的观察结果的现象。通俗的来讲，就是训练的模型在训练集上的精确度很高，但是在测试集上的精确度却很差的现象。

1.2 如何防止过拟合—数据角度

增加数据量

采集更多数据 数据增强&噪声数据 重采样 生成数据

1.3 如何防止过拟合—模型角度

 简化模型

选择合适的网络结构，通过减少网络层数、神经元个数、全连接层数等降低网络容量。 简化模型的另一个好处是能让模型更轻便