这似乎很奇怪。

你的验证比你的训练得分更高。从字面上看，这意味着您的模型在看不见的数据中的表现比它看到的要好。

典型的欠拟合是你在训练中获得的结果与在测试中相同。

在我看来，由于您没有提供太多信息，因此您没有正确拆分数据。可能有很多原因：

• 测试太小或太容易预测
• 存在时间依赖性并且您没有使用它（数据泄漏）。
• 您的数据集中有组，您正在按组拆分...

还有一千多个。从您添加的可视化中，我猜您的火车测试拆分未正确执行

请问您是否使用了任何形式的 dropout？之前发生在我身上，因为我确实将 dropout 应用于训练集，但没有应用于验证集，我很容易在验证中获得更高的准确性

您可能拟合不足，因此必须（至少）训练更长的时间（更多的时期）。您是否在计算测试集之前计算训练集的准确性（如许多神经网络实现中的情况）？每个训练准确度是许多训练步骤的平均值吗？如果是这种情况并且您没有过度拟合（过度拟合），那么预计您在测试集中的准确度会稍好一些，因为模型已经通过训练得到了改进。但是，有关如何实现模型的更多信息会很棒。