Question

选择神经网络模型应该选择训练效果好的还是测试效果好的

Answer 1

在选择神经网络模型时，需要综合考虑训练效果和测试效果，同时还需要考虑模型的泛化能力。

训练效果好的模型可以在训练集上表现出较高的准确率或低的误差，但是并不能保证在新的数据集上表现也会很好。这种情况下，可能会出现过拟合的问题，即模型在训练集上表现很好但是在测试集或实际应用中表现不佳。

测试效果好的模型通常指在测试集或者应用场景中表现较好的模型。虽然测试集的数据是模型未曾训练过的数据，但是测试集也可能并不完全代表实际应用场景，因此在选择模型时不能仅仅以测试效果为唯一标准。

除了训练效果和测试效果之外，还需要考虑模型的泛化能力，即模型对新的数据的适应能力。为了提高模型的泛化能力，需要使用一些技术，如正则化、数据增强、Dropout等。

在选择神经网络模型时，应该综合考虑以上因素，选择一个在训练集和测试集上都表现良好，具有较好泛化能力的模型。