训练集得分高、测试集低，主因是数据分布偏移或预处理污染，而非过拟合；需检查train/test数值/图像/标签分布对齐、早停有效性、标准化与独热编码是否用训练集参数、Dropout/BatchNorm推理模式及模型保存完整性。
训练集得分高、测试集很低，大概率不是代码写错了，而是模型根本没学到泛化规律——它在训练集上“背题”，一到新数据就露馅。
检查 train/test 数据分布是否对齐
随机切分不等于分布一致。时间序列、设备采集、标注习惯等都可能造成隐性偏移。
- 数值特征：用
np.mean(X_train, axis=0)和np.mean(X_test, axis=0)对比各列均值，差值 > 0.1 就该警觉 - 图像数据：用
cv2.calcHist比较亮度/对比度直方图重叠度 - 标签分布：运行
np.unique(y_train, return_counts=True)和np.unique(y_test, return_counts=True)，若某类别频次相差超 2 倍，说明划分有样本选择偏差
验证 EarlyStopping 是否真起作用
早停不是加了就生效。监控指标错、耐心值设太大、没保存最优权重，都会让早停形同虚设。
- 分类任务 + 类别不平衡时，
val_loss下降 ≠ 模型变好；应改用monitor='val_f1_score'或自定义指标 - 小数据集（如仅 1000 样本）建议
patience=2，patience=5容易错过拐点 -
restore_best_weights=True必须显式开启，否则model.evaluate()评估的是最后一步权重，不是最低验证损失那轮的
确认预处理流程是否污染测试集
测试集标准化参数来自自身、ImageDataGenerator 应用到 test generator、pd.get_dummies 分别调用——这些操作会让测试指标虚高，上线即崩。
立即学习“Python免费学习笔记（深入）”；
- 标准化必须用训练集算出的
mean和std去 transform 测试集，绝不能用测试集自身统计量 - 独热编码必须统一用
OneHotEncoder().fit_transform(X_train)后再.transform(X_test)，不能各自pd.get_dummies - 使用
ColumnTransformer+Pipeline可强制封装该逻辑，避免手动出错
排查 Dropout / BatchNorm 在 eval 模式下的行为
TensorFlow/Keras 默认 model.evaluate() 走 training=False，但如果你手动写前向传播，忘了传 training=False，Dropout 就不会关闭，BatchNorm 会用 batch 统计而非 running stats，导致结果不可复现。
- 调用
model(x, training=False)是推理标准写法；训练时才用training=True - L2 正则要加在权重上（如
kernel_regularizer=tf.keras.regularizers.l2(1e-4)），不是在 loss 后硬加tf.nn.l2_loss(w) - 模型保存后加载再
evaluate，务必确认加载的是带完整结构的模型，而不是仅权重文件
最容易被忽略的点是：分布偏移和预处理污染往往同时存在，且它们的表现和过拟合高度相似——你盯着 loss 曲线调正则，其实问题出在数据进来的第一行代码里。
