模型优化

模型开始运作后，您就可以开始优化模型的质量了。只需按以下步骤操作即可。

添加实用功能

您可以通过添加对现有特征尚未编码的信息进行编码的功能来提高模型性能。您可以使用相关矩阵找出各个特征与标签之间的线性相关性。如需检测特征与标签之间的非线性相关性，您必须在使用特征和/或特征组合的情况下训练模型，并检查模型质量是否有提高。您必须通过提升模型质量来证明此功能的纳入情况。

调整超参数

您发现了使模型正常运行的超参数值。不过，这些超参数值仍然可以调整。您可以按试验和错误手动调整值，但手动调整非常耗时。请考虑改用自动超参数调节服务，例如 Cloud ML 超参数调节。

调整模型深度和宽度

在调试模型时，您只增加了模型深度和宽度。相比之下，在模型优化期间，您可以根据目标增加或减少深度和宽度。如果您的模型质量足够，请尝试通过降低深度和宽度来减少过拟合和训练时间。具体来说，尝试将每个连续图层的宽度减半。 由于模型质量也会降低，因此您需要在质量与过拟合和训练时间之间取得平衡。

相反，如果您需要更高的模型质量，请尝试增加深度和宽度。如需查看示例，请参阅神经网络游乐场练习。请记住，深度和宽度的增加会随着训练时间和增加的过拟合而受到限制。如需了解过拟合，请参阅泛化：过拟合的风险。

由于深度和宽度是超参数，因此您可以使用超参数调节来优化深度和宽度。