问高成本的后果是什么？

EN

那么，您的问题隐含地需要回答许多其他问题，稍后您将看到：

当培训停止时，成本值过高(0.5培训，0.7测试)的后果是什么？

首先，某些成本值是否高是主观的，也就是说，没有真实的阈值，然而，成本值是模型中过拟合/欠拟合的一个很好的指标。因此，最好比较训练集和测试集的成本，如下所示：

• 培训成本明显低于测试成本，并且培训成本相对较小:这可能表明存在过度拟合(也称为高估或高variance).
• Training成本显着高，而测试成本值接近培训成本值:这可能表明存在拟合不足(即低估或高偏差)。

现在听我说，过拟合/欠拟合也与神经网络中的隐藏层和隐藏单元有关！！(见下文)。

其次，隐藏层的数量和隐藏单元的数量直接影响成本价值，因为它改变了训练复杂性，如下所示(来自Jeff Heaton的Java神经网络简介(第二版))：

隐藏层数：

只能够表示线性可分函数的

• 或decisions.
• 1可以逼近任何包含从一个有限空间到another.
• 2的连续映射的函数，可以用有理激活函数表示任意精度的任意决策边界，并且可以逼近任意光滑映射到任意精度。

另一方面，根据经验，在隐藏层中使用太少的神经元会导致拟合不足，而在隐藏层中使用太多的神经元可能会导致过度拟合：

• 隐藏神经元的数量应介于输入层和输出层的大小之间。
• 隐藏神经元的数量应为输入层大小的2/3加上输出层的大小。
• 隐藏神经元的数量应小于输入层大小的两倍。

总而言之，这是训练集和测试集的代价值之间的关系，以及与神经网络中隐含层大小的关系。

因此，其后果是过拟合/欠拟合。

为什么尽管第一个网络的成本很高，但准确性可能是相同的？

这有点奇怪，因为它是成本和准确性之间的反向关系，即成本越低，准确性越高。

然而，还不清楚你所指的准确性是什么，因为正如我所见，你是在训练集上测试准确性，这是毫无意义的，但再看看你的结果，它们反映了上面提到的成本和准确性之间的反向关系：

0.5 training cost -> 91% training accuracy
0.7 test cost -> 88% test accuracy 

如果您仍然有任何疑问，请提供您的神经网络和数据集的体系结构，以及详细的准确性和成本结果，并以漂亮的摘要形式提供。