A kategória-besorolási modell teljesítményének fejlesztése

Ha a modell teljesítményével nem elégedett, megpróbálkozhat néhány beavatkozással. Az alábbi tippek segíthetnek az előrejelzés hatékonyságát növelő módon átállítani a modellt.

Pontosabban címkézett betanítási adatok hozzáadása

Minél jobban címkézett tanítási adatok vannak, annál jobban teljesít a modell. Tegyük fel például, hogy van Igen/Nem címkéje. Ha az adatok többsége csak Igen értéket tartalmaz ebben az oszlopban, az AI-modell valószínűleg nem fog sokat tanulni ezekből az adatokból. Ha az adatok nem megfelelően vannak címkézve, a modell valószínűleg nem fog jól tanulni. Ideális, ha a helyesen címkézett példák egy kis halmazával kezdi – talán 100-zal vagy annál kevesebbel. Innen továbbra is megduplázhatja a példák számát iteratív módon és átképzéssel minden egyes alkalommal, figyelembe véve a teljesítmény változását. Általánosságban elmondható, hogy a több adat jobb, de minél nagyobb az adatkészlet, annál kisebb a nyereség az adatok hozzáadásakor.

További tippek

• Ügyeljen arra, hogy kiegyensúlyozottan használja a címkéket a betanítási adataiban. Például: Négy címkéje van a 100 szöveges elemekhez. Az első két címke (címke1és címke2 ) 90 szövegelemhez használatos, de a másik kettő (címke3és címke4 ) csak a fennmaradó 10 szövegelemhez használatos. Az egyensúly hiánya miatt a modell nehezen tudja helyesen előre jelezni a tag3 vagy a tag4 címkét.
• Ügyeljen arra, hogy a modellt a modellt a tervezet használathoz hasonló adatokkal tanítsa meg.

Következő lépés

A kategóriabesorolási modell közzététele

Kapcsolódó információk

Kategóriabesorolás előre összeállított modell