培训和验证LSTM问题：准确性和召回问题

如何解决培训和验证LSTM问题：准确性和召回问题

我有一个LSTM编码器/解码器模型，该模型是根据Jump-Diffusion模型（本质上是二进制分类问题）对价格变动进行分类而开发的。

我的模型在训练和验证之间分为75/25。

我的问题是，在应用了诸如SMOTE之类的不平衡技术之后，我的模型在训练和验证中的预测准确性都很高（可能仍然过拟合）。但是，在准确性，召回率和f1分数方面，我的训练模型再次表现良好，但在验证方面，我的准确性和召回率却明显下降。显然，这会导致验证方面的f1得分较低。

有人知道为什么验证准确性很高，但准确性和召回率却大大下降了吗？这是我的模型在验证方面计算精度和召回率的方式是否有问题，还是我的模型过拟合导致验证结果较低？

有关模型结果的摘要，请参见下图，如果需要，我也可以提供笔记本。

编辑：包括相关代码

server {
    listen     90;
    server_name <server ip or hostname>;
    charset utf-8;
    root /var/www/html/laravel/public;
    add_header x-frame-options "SAMEORIGIN";
    add_header X-XSS-Protection "1; mode=block";
    add_header X-Content-Type-Options "nosniff";

    index index.PHP index.html index.htm;
    # Always serve index.html for any request
    location /api {
        try_files $uri $uri/ /index.PHP?$query_string;
    }
    
    location = /favicon.ico { access_log off; log_not_found off; }
    location = /robots.txt { access_log off; log_not_found off; }

    error_page 404 /index.PHP;

    location ~ \.PHP$ {
        fastcgi_pass unix:/var/run/PHP/PHP7.4-fpm.sock;
        fastcgi_param SCRIPT_FILENAME $realpath_root$fastcgi_script_name;
        include fastcgi_params;
    }

    location ~ /\.(?!well-kNown).* {
        deny all;
    }

    error_log /var/log/Nginx/laravel-app-error.log;
    access_log /var/log/Nginx/laravel-app-access.log;

}

欢迎任何建议。

谢谢。

解决方法

如果您能提供一个混淆矩阵，可能会更好。

但是，计算似乎有问题。

从数学上讲，**（准确性+召回率==精度）

编辑： mathematical identity在这里。

您的情况是31 + 33

我建议您使用this function。并获取报告，如果您能在问题中打印输出，我将不胜感激。