Mellorar o rendemento do modelo de clasificación de categorías

Se o rendemento do teu modelo non é o que queres, hai algunhas cousas que podes probar. Estes consellos poden axudarche a axustar o teu modelo para mellorar a súa capacidade preditiva.

Engadir máis datos de adestramento etiquetados correctamente

Cantos máis datos de adestramento etiquetados correctamente teñas, mellor funcionará o teu modelo. Por exemplo, supoñamos que tes unha etiqueta de Si/Non. Se a maior parte dos teus datos só teñen un *Si* nesta columna, o teu modelo de IA probablemente non aprenderá moito destes datos. Se os teus datos non están etiquetados correctamente, é probable que o modelo non aprenda moi ben. O ideal é comezar cun pequeno conxunto de exemplos correctamente etiquetados, quizais 100 ou menos. A partir de aí, podes continuar duplicando o número de exemplos de forma iterativa e reaxustando cada vez, tendo en conta o cambio de rendemento. En xeral, canto máis datos sexan mellores, pero canto máis grande sexa o conxunto de datos, menos beneficios se obteñen ao engadir datos.

Máis consellos

• Asegúrate de que o uso de etiquetas estea equilibrado nos teus datos de adestramento. Por exemplo: tes catro etiquetas para 100 elementos de texto. As dúas primeiras etiquetas (tag1 e tag2) úsanse para 90 elementos de texto, pero as outras dúas (tag3 e tag4) só se usan nos 10 elementos de texto restantes. A falta de equilibrio pode causar que o teu modelo teña dificultades para predicir correctamente a etiqueta etiqueta3 ou a etiqueta4 .
• Asegúrate de adestrar o modelo usando datos semellantes ao que esperas usar o modelo.

Seguinte paso

Publica o teu modelo de clasificación de categorías

Información relacionada

Modelo preconstruído de clasificación de categorías