調試ML模型
- 當您的ML模型的準確性不夠好時,您應該怎麼做?
- 如果您的列車精度很高但驗證準確性很差,這可能意味着您的模型過度匹配訓練數據。
- 降低模型複雜性
- 收集更多數據
- 數據增強有助於(至少對於圖像數據)
- 老實說,只需在ML模型的這個組件中投入更多的時間/金錢幾乎總是值得的。
- 正則
- 如果你的訓練準確性不夠好,你可能會受到不合適的影響。
- 增加模型複雜性
- 每層中有更多層或更多單元
- 不要嘗試添加更多數據。您的模型顯然無法對當前數據集中的示例進行分類,因此添加更多數據將無濟於事。
- 增加模型複雜性
- 您可能遇到的任何其他問題。
- 檢查訓練數據的質量,確保正確加載所有內容
- 調整超參數
- 我知道這很乏味,需要花費大量的時間,但它有時候值得。
- 網格搜索可能是最好的方法,但請記住,它的計算成本非常高。
- 我聽說隨機搜索也有驚人的效果,但我自己沒試過。
- 使用非常簡單的模型和僅幾個訓練點重新啓動,並確保您的模型能夠學習該數據。一旦獲得100%的準確度,就會開始增加模型的複雜性,以及加載越來越多的整個數據集。