Poboljšajte performanse modela klasifikacije kategorija

Ako performanse vašeg modela nisu onakve kakve želite da budu, postoji nekoliko stvari koje možete isprobati. Ovi savjeti mogu vam pomoći da prilagodite svoj model kako biste poboljšali njegovu prediktivnu moć.

Dodavanje ispravno označenih podataka o vježbanju

Što točnije označene podatke o vježbanju imate, to će vaš model imati bolje performanse. Na primjer, recimo da imate oznaku Da/Ne. Ako većina vaših podataka ima samo Da u ovom stupcu, vaš AI model vjerojatno neće puno naučiti iz tih podataka. Ako vaši podaci nisu ispravno označeni, model vjerojatno neće dobro učiti. Idealno je započeti s malim skupom ispravno označenih primjera - možda 100 ili manje. Odatle možete nastaviti udvostručivati broj primjera iterativno i svaki put ponovno trenirati, bilježeći promjenu performansi. Općenito govoreći, više podataka je bolje, ali postoje sve manji povrati za dodavanje podataka što je vaš skup podataka veći.

Više savjeta

• Provjerite je li vaša upotreba oznaka uravnotežena u podacima o vježbanju. Na primjer: Imate četiri oznake za 100 tekstualnih stavki. Prve dvije oznake (oznaka1i oznaka2) koriste se za 90 tekstnih stavki, ali druge dvije (oznaka3i oznaka4) koriste se samo za preostalih 10 tekstnih stavki. Nedostatak ravnoteže može uzrokovati da vaš model ima poteškoća s točnim predviđanjem oznake 3 ili oznake 4.
• Provjerite jeste li trenirali svoj model pomoću podataka koji su slični onome za što očekujete da ćete koristiti model.

Sljedeći korak

Objavljivanje modela klasifikacije kategorija

Povezane informacije

Klasifikacija kategorija unaprijed izgrađeni model