Fatal编程技术网
  • machine-learning/
  • Machine learning 消极的例子远远多于积极的例子，如何解决？

Machine learning 消极的例子远远多于积极的例子，如何解决？

machine-learning deep-learning

Machine learning 消极的例子远远多于积极的例子，如何解决？,machine-learning,deep-learning,Machine Learning,Deep Learning,在我的项目中，有很多负实例，负实例远远多于正实例，我用深度学习方法训练了一个模型，我的训练集和验证集的精度都高于测试集。 我怎样才能解决这个问题？ 谢谢。您可以将更高的失重分配给阳性类别，而不是阴性类别。将带有噪音的变体添加到阳性样本可能会有所帮助。您是指训练集中的实例吗？然后你可以用不同的方法增加你的数据。@ParagS.Chandakkar是的，我按照你说的做了，但是验证损失不能减少，第一次损失是最小的。你能告诉我如何解决过度拟合的问题吗？试试上面评论中提到的数据扩充。

在我的项目中，有很多负实例，负实例远远多于正实例，我用深度学习方法训练了一个模型，我的训练集和验证集的精度都高于测试集。 我怎样才能解决这个问题？
谢谢。

您可以将更高的
失重
分配给阳性类别，而不是阴性类别。将带有噪音的变体添加到阳性样本可能会有所帮助。您是指训练集中的实例吗？然后你可以用不同的方法增加你的数据。@ParagS.Chandakkar是的，我按照你说的做了，但是验证损失不能减少，第一次损失是最小的。你能告诉我如何解决过度拟合的问题吗？试试上面评论中提到的数据扩充。