Оценка производительности модели по кривым обучения

Question

Мои кривые обучения выглядят иначе, чем все, с чем я сталкивался в Интернете. Исходя из этой статьи , мой сюжет наиболее близок к случаю "Набор непредставительных данных поезда". Тем не менее, модель достигает точности 0.993.

Исходя из точности, я бы не сказал, что есть проблема. Но, глядя на тренировочные участки, кажется, есть проблема. Как бы я интерпретировал приведенный ниже график?

Вот код для графиков:

def show_learning_curves(history):
    plt.title('Learning Curves')
    plt.xlabel('Epoch')
    plt.ylabel('Cross Entropy')
    plt.plot(history.history['loss'], label='train')
    plt.plot(history.history['val_loss'], label='val')
    plt.legend()
    plt.show()

и вот моя модель:

def create_model(n_features):
    model = tf.keras.Sequential()
    model.add(layers.Flatten(input_shape=n_features))
    model.add(layers.Dense(25, activation='relu', kernel_initializer='he_normal'))
    model.add(layers.Dense(8, activation='relu', kernel_initializer='he_normal'))
    model.add(layers.Dense(1, activation='sigmoid'))
    model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
    return model