Покращення ефективності вашої моделі класифікації категорій

Якщо продуктивність вашої моделі не така, як ви б хотіли, ви можете спробувати кілька речей. Ці поради можуть допомогти вам налаштувати вашу модель, щоб покращити її прогнозну потужність.

Додайте більше правильно позначених даних тренувань

Чим більше правильно позначених тренувальних даних ви маєте, тим краще працюватиме ваша модель. Скажімо, у вас є мітка «Так/Ні». Якщо в цьому стовпці більшість ваших даних має лише значення «Так », ваша модель штучного інтелекту, ймовірно, не навчиться багато чому з цих даних. Якщо ваші дані неправильно позначені, модель, швидше за все, буде не дуже добре вчитися. Ідеально почати з невеликого набору правильно позначених прикладів - можливо, 100 або менше. Звідти ви можете продовжувати ітеративно подвоювати кількість прикладів і щоразу переучуватися, відзначаючи зміну продуктивності. Загалом, чим більше даних, тим краще, але чим більшим стає ваш набір даних, тим меншою є віддача.

Більше порад

• Переконайтеся, що використання тегів збалансовано в даних тренувань. Наприклад, у вас є чотири теги для 100 текстових елементів. Перші дві мітки (tag1 і tag2) використовуються для 90 текстових елементів, але дві інші (тег3 і тег4) використовуються лише для решти 10 текстових елементів. Відсутність балансу може спричинити труднощі з правильним передбаченням tag3 або tag4.
• Переконайтеся, що ви навчаєте свою модель на основі даних, схожих на ті, для яких ви плануєте використовувати модель.

Наступний крок

Опублікуйте свою модель класифікації категорій

Пов’язані відомості

Класифікація категорій готових моделей