我的任务如下：
输入药物组合并从药物组合中输出肾功能衰竭相关症状。
药物组合和肾功能衰竭相关症状都表示为 one-hot 编码（例如，某人在总共 4 种症状中出现症状 1 和症状 3 表示为[1,0,1,0]）。
到目前为止，我已经通过以下模型运行了数据，并生成了这个有趣的图表。左图描述了模型在 epoch 上的训练和验证损失，右图描述了模型在 epoch 上的训练和验证准确度。
从左图中几乎可以清楚地看出，在基线模型中，随着训练损失的减少和验证损失的增加，随着时间的推移，出现了过度拟合。然而，图表上的准确度图表明，尽管验证准确度有所提高，但验证准确度仍在继续提高。
加入 dropout 和 L2 正则化（Baseline Reg）后，validation loss 并没有上升那么多，这似乎解决了过拟合问题，但准确率非常零星，平均比 Baseline 模型差。
问题如下：我的直觉是否正确，因为两个模型的结果都显示过拟合，我应该继续努力减少这种影响吗？
提前致谢！
模型架构如下：
Model: "baseline"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense_6 (Dense) (884, 800) 603200
_________________________________________________________________
dense_7 (Dense) (884, 800) 640800
_________________________________________________________________
dense_8 (Dense) (884, 4) 3204
=================================================================
Total params: 1,247,204
Trainable params: 1,247,204
Non-trainable params: 0
_________________________________________________________________
Model: "baseline_reg"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense_9 (Dense) (884, 800) 603200
_________________________________________________________________
dropout (Dropout) (884, 800) 0
_________________________________________________________________
dense_10 (Dense) (884, 800) 640800
_________________________________________________________________
dense_11 (Dense) (884, 4) 3204
=================================================================
Total params: 1,247,204
Trainable params: 1,247,204
Non-trainable params: 0
_________________________________________________________________