最近做一个神经网络反演矿物的课题，我自己做留一交叉验证怎么都误差很大，然后我就去参考一片相似的文章，然后发现里边的交叉验证有一个取最优的过程，具体的是：假如对除了第n个样本的其它样本（留一），做1000次迭代，每次迭代后计算对于第n个样本的loss，然后假如其中第20次的迭代的loss最小，就保留这个模型，然后对第n+1个样本进行留一，这次可能又是迭代500次loss最小，最后的结果就是留一交叉验证，留不同的一时，迭代次数其实是不一样的，这种方法合理吗？
而我使用的是对每个留一验证，都训练满1000次，这就会导致，对第n个样本的误差在迭代20次后又涨了，所以结果差

这是第33个样本的留一验证的loss，横坐标是迭代次数，左边是参考的文章里的方法，取迭代过程中最小的loss

这个是另一个留一验证，这次取最小loss的迭代次数又变了

顶

兄弟们，看下啊

迭代次数过多，导致过拟合。感觉是正常现象，训练集和测试集的数据结构存在偏差。。。不是很懂这方面的