改善類別分類模型的效能
如果您的模型效能不盡人意,您可以嘗試一些事項。 這些提示可協助您調整模型以改善其預測能力。
新增更多正確標記的定型資料
定型資料標示得越正確,模型就執行得越好。 例如,假設您有「是/否」標籤。 如果您大部分的資料在此資料行中都只有是,您的 AI 模型應該無法從此資料中學習到很多東西。 如果未正確標示資料,模型可能就不會有太好的學習成效。 最好開始先使用一小組已正確標示的範例,或許是 100 或更少。 您可以從那裡開始持續反覆倍增範例的數目,而且每次都要重新定型,並注意效能變更。 一般而言,資料越多越好,但是資料集變得越大時,增加資料的回報也會減小。
更多提示
- 確定您在定型資料中使用的標籤已達平衡。 例如:您有四個用於 100 個文字項目的標籤。 前兩個標籤 (tag1 和 tag2) 用於 90 個文字項目,但是另外兩個 (tag3 和 tag4) 只會用於剩餘的 10 個文字項目。 缺乏平衡可能會導致模型很難正確預測 tag3 或 tag4。
- 請務必使用與您對模型期望的用途大致相同的資料,將模型定型。