我有一个 Keras 神经网络，其中包含图像作为输入和参考数据。

我的网络表现出过拟合（例如，训练准确率约为 80%，但测试准确率仅高达 70%），这是由于相对于网络规模而言输入数据量较小。尽管如此，70% 的测试准确率对于我的问题来说已经足够好了，并且在过度拟合开始后测试准确率并没有开始下降——它随着训练准确率的增加而增加，但总是落后几个百分点。模型简化不允许我达到如此好的准确性。

所以，在我的情况下，看起来过度拟合并没有做坏事，但我知道它观察到的效果可能完全不同，我想检查我的模型是否正确执行。

您能否提出一些分析模型质量的经典方法？可能是通常使用特殊的度量或统计方法，还是需要执行某种熵参数估计？是否有可能了解我的模型是从输入数据中学习了一些有用的模式，还是只是记住了数据本身？