De prestaties van het model voor categorieclassificatie verbeteren

Als de prestaties van het model niet aan uw verwachtingen voldoet, kunt u een aantal dingen proberen. Deze tips kunnen u helpen het model aan te passen om de voorspellingen te verbeteren.

Meer correct gelabelde trainingsgegevens toevoegen

Hoe correcter gelabelde trainingsgegevens u hebt, hoe beter uw model presteert. Stel dat u een label Ja/Nee hebt. Als de meeste van uw gegevens in deze kolom alleen Ja hebben, leert het AI-model waarschijnlijk weinig van deze gegevens. Als uw gegevens niet correct zijn gelabeld, leert het model waarschijnlijk niet zo goed. Het is ideaal om te beginnen met een kleine set correct gelabelde voorbeelden, bijvoorbeeld 100 of minder. Van daaruit kunt u het aantal voorbeelden herhaaldelijk blijven verdubbelen en het model elke keer opnieuw trainen om zo de prestaties te verbeteren. Over het algemeen zijn meer gegevens beter, maar de resultaten nemen af naarmate uw gegevensset groter wordt.

Meer tips

• Zorg voor een evenwichtig gebruik van tags in uw trainingsgegevens. Bijvoorbeeld: u heeft vier tags voor 100 tekstitems. De twee eerste tags (tag1 en tag2) worden gebruikt voor 90 tekstitems, maar de andere twee (tag3 en tag4) worden alleen gebruikt voor de resterende 10 tekstitems. Het gebrek aan evenwicht kan ertoe leiden dat uw model moeite heeft om correct tag3 of tag4 te voorspellen.
• Zorg ervoor dat u uw model traint met gegevens die vergelijkbaar zijn met het doel waarvoor u het model wilt gebruiken.

Volgende stap

Uw model voor categorieclassificatie publiceren

Gerelateerde informatie

Vooraf samengesteld model voor categorieclassificatie