2回答

liuyubobobo

2020-06-28

已采纳

目测对于非平衡的独立数据集，数据量大的那个分类的出错率比较高，所以导致同样的模型，如果数据集非平衡，有巨大的正确率变化。

实际用你的数据观察一下是不是如此？

如果是如此，说明你的训练数据对于其中一个分类结果不够好，最直接的方式是想办法获得这个分类的更优的数据最训练。

继续加油！：）

0

0

慕雪9580269

提问者

2020-06-28

波波老师，我没太理解，那我碰到这种问题应该怎么办？本来用来训练的数据集就是平衡数据集，我无法预测将来的独立数据集是平衡的，还是非平衡的？

0

1

liuyubobobo

说明你的训练数据集中，对于某一个分类，特征的表征不够，导致对这个分类的鉴别产生了大量错误。比如你的分类任务是区分猫还是狗。辨别出猫的正确率很高，但辨别出狗的正确率很低。导致如果你的测试数据集有很多狗的照片，整体正确率就下来了。这说明你的模型对狗的辨别率很低。或者做更多的特征工程，让你的数据特征能很好地分别出狗；或者可能你的训练数据集中，关于狗的数据不够理想，导致新的数据中的狗分别不出来。寻找更多更典型的狗的数据。

2020-06-28

共1条回复