Epoch 1/30 102/102 [==============================] – 1s 3ms/step – loss: 1.5513 – accuracy: 0.3968 – val_loss: 1.4406 – val_accuracy: 0.4617 Epoch 2/30 102/102 [==============================] – 0s 2ms/step – loss: 0.4365 – accuracy: 0.8805 – val_loss: 1.6337 – val_accuracy: 0.4519 Epoch 3/30 102/102 [==============================] – 0s 2ms/step – loss: 0.1051 – accuracy: 0.9731 – val_loss: 1.7925 – val_accuracy: 0.4654 Epoch 4/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0418 – accuracy: 0.9883 – val_loss: 1.9068 – val_accuracy: 0.4556 Epoch 5/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0209 – accuracy: 0.9941 – val_loss: 1.9635 – val_accuracy: 0.4593 Epoch 6/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0170 – accuracy: 0.9935 – val_loss: 2.0427 – val_accuracy: 0.4506 Epoch 7/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0101 – accuracy: 0.9972 – val_loss: 2.0677 – val_accuracy: 0.4630 Epoch 8/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0084 – accuracy: 0.9963 – val_loss: 2.1438 – val_accuracy: 0.4543 Epoch 9/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0068 – accuracy: 0.9975 – val_loss: 2.1674 – val_accuracy: 0.4593 Epoch 10/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0047 – accuracy: 0.9981 – val_loss: 2.2183 – val_accuracy: 0.4568 Epoch 11/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0042 – accuracy: 0.9981 – val_loss: 2.2547 – val_accuracy: 0.4593 Epoch 12/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0043 – accuracy: 0.9981 – val_loss: 2.2842 – val_accuracy: 0.4605 Epoch 13/30 102/102 [==============================] – 0s 2ms/step – loss: 0.0032 – accuracy: 0.9981 – val_loss: 2.3219 – val_accuracy: 0.4630 … 102/102 [==============================] – 0s 2ms/step – loss: 0.0013 – accuracy: 0.9994 – val_loss: 2.7391 – val_accuracy: 0.4605 26/26 [==============================] – 0s 486us/step – loss: 2.7391 – accuracy: 0.4605 Test Loss: 2.7390570640563965 Test Accuracy: 0.4604938328266144
トレーニングの過程で、トレーニングデータとテストデータの損失と精度が表示されましたね。最終的なテストデータでの損失は約2.74で、精度は約46.05%です。
これは、30エポックのトレーニングを行った結果です。トレーニングデータでは高い精度が得られましたが、テストデータでは精度が低くなっています。これは、モデルが訓練データにオーバーフィットしている可能性があります。
モデルの過学習を防ぐために、いくつかの方法があります。例えば、モデルの複雑さを減らす、ドロップアウトを追加する、正則化を行うなどの手法があります。データセットのサイズが小さい場合、データの拡張を行うことも効果的です。また、クロスバリデーションを使用してモデルの汎化性能を評価することも重要です。