Machine learning 准确度和预测分类器
我已经就文本分类的数据集类型培训了LSTM和决策树。我使用了K=10的K交叉折叠验证 决策树准确率61% LSTM精度90% 现在，当我对完全看不见的数据进行预测时，决策树比LSTM预测得更好Machine learning 准确度和预测分类器,machine-learning,keras,lstm,decision-tree,text-classification,Machine Learning,Keras,Lstm,Decision Tree,Text Classification,我已经就文本分类的数据集类型培训了LSTM和决策树。我使用了K=10的K交叉折叠验证 决策树准确率61% LSTM精度90% 现在，当我对完全看不见的数据进行预测时，决策树比LSTM预测得更好 为什么会这样？如果LSTM准确度高于为什么决策树在未看到的数据上比LSTM表现得更好？在训练时，您的LSTM模型可能比决策树具有更高的准确度，但它不能很好地概括未看到的数据这一事实表明LSTM与训练数据过度拟合。尝试调整序列验证分割和批量大小，看看这是否改善了您的模型 培训期间的验证损失将表明哪种模型更好
为什么会这样？如果LSTM准确度高于为什么决策树在未看到的数据上比LSTM表现得更好？在训练时，您的LSTM模型可能比决策树具有更高的准确度，但它不能很好地概括未看到的数据这一事实表明LSTM与训练数据过度拟合。尝试调整序列验证分割和批量大小，看看这是否改善了您的模型 培训期间的验证损失将表明哪种模型更好。您还可以尝试使用决策树的随机森林簇，已知该簇比单独使用一棵决策树的结果更好