Neural network kNN分类器中嵌入神经网络的性能评价
我正在解决一个分类问题。我为一组实体训练我的无监督神经网络（使用skip-gram架构） 我评估的方法是从训练数据中为验证数据中的每个点搜索k个最近邻。我取最近邻标签的加权和（基于距离的权重），并使用每个验证数据点的得分 观察-随着我增加历元数（Neural network kNN分类器中嵌入神经网络的性能评价,neural-network,classification,deep-learning,knn,representation,Neural Network,Classification,Deep Learning,Knn,Representation,我正在解决一个分类问题。我为一组实体训练我的无监督神经网络（使用skip-gram架构） 我评估的方法是从训练数据中为验证数据中的每个点搜索k个最近邻。我取最近邻标签的加权和（基于距离的权重），并使用每个验证数据点的得分 观察-随着我增加历元数（model1-600历元、model2-1400历元和model3-2000历元），我的AUC在k的较小值时有所改善，但在类似值时饱和 这种行为的可能解释是什么 从交叉验证]要交叉检查不平衡的类是否是一个问题，请尝试拟合SVM模型。如果这提供了一个更好
model1model2model3k从交叉验证]要交叉检查不平衡的类是否是一个问题，请尝试拟合SVM模型。如果这提供了一个更好的分类（如果你的ANN不是很深的话，这可能是可能的），那么可以得出这样的结论：类应该首先得到平衡
另外，尝试一些内核函数来检查这种转换是否使数据线性可分离？我试图将客户评论分为两类。使用sentence2vec对嵌入进行培训。我已经为hadoop编写了一个自定义kNN分类器。这可能是因为这两个类之间没有足够的可分离性吗？例如，如果这是某种类型的情绪分析，那么我们经常会遇到双重否定表达，这会打乱天真的分类器。如果
model3model1