调试ML模型
- 当您的ML模型的准确性不够好时,您应该怎么做?
- 如果您的训练精度很高但验证准确性很差,这可能意味着您的模型过度匹配训练数据。
- 降低模型复杂性
- 收集更多数据
- 数据增强有助于(至少对于图像数据)
- 老实说,只需在ML模型的这个组件中投入更多的时间/金钱几乎总是值得的。
- 正则化
- 如果你的训练准确性不够好,你可以这样。
- 增加模型复杂性
- 每层中有更多层或更多单元
- 不要尝试添加更多数据。您的模型显然无法对当前数据集中的示例进行分类,因此添加更多数据将无济于事。
- 增加模型复杂性
- 您可能遇到的任何其他问题。
- 检查训练数据的质量,确保正确加载所有内容
- 调整超参数
- 我知道这很乏味,需要花费大量的时间,但它有时候值得。
- 网格搜索可能是最好的方法,但请记住,它的计算成本非常高。
- 我听说随机搜索也有惊人的效果,但我自己没试过。
- 使用非常简单的模型和仅几个训练点重新启动,并确保您的模型能够学习该数据。一旦获得100%的准确度,就会开始增加模型的复杂性,以及加载越来越多的整个数据集。