近几天做模式识别实验时遇到了一个问题。在A环境下采集的数据所训练出的模型,在B环境下几乎丧失了识别能力。很明显,该模型的泛化能力太差。
考虑两个思路:第一,在不同的环境中采集多组数据重新模型训练,以此提高模型的泛化能力;第二,不用换环境采集新数据,而是对现有的训练数据合理去噪(或称滤波),用去噪后的强特征数据重新训练模型,以此提高模型的泛化能力。
近几天做模式识别实验时遇到了一个问题。在A环境下采集的数据所训练出的模型,在B环境下几乎丧失了识别能力。很明显,该模型的泛化能力太差。
考虑两个思路:第一,在不同的环境中采集多组数据重新模型训练,以此提高模型的泛化能力;第二,不用换环境采集新数据,而是对现有的训练数据合理去噪(或称滤波),用去噪后的强特征数据重新训练模型,以此提高模型的泛化能力。