深度学习再做bad case分析时，如何得知是因为样本不足还是特征不足？
2023-08-03 阅读 57
在深度学习中，当遇到bad case时，可以通过以下方法来判断是因为样本不足还是特征不足：
-
样本不足：如果模型在训练集上表现良好，但在测试集或实际应用中表现不佳，可能是因为训练集样本不足。在这种情况下，可以尝试增加更多的训练样本，以提高模型的泛化能力。
-
特征不足：如果模型在训练集和测试集上都表现不佳，可能是因为特征不足。在这种情况下，可以考虑以下几种方法：
- 增加更多的特征：尝试添加更多的特征，以提供更多的信息给模型。
- 特征工程：对现有特征进行变换、组合或选择，以提取更有用的信息。
- 使用预训练模型：使用已经在大规模数据上训练好的模型，将其作为特征提取器，然后在自己的任务上进行微调。
需要注意的是，样本不足和特征不足可能同时存在，因此在进行bad case分析时，需要综合考虑这两个因素，并根据具体情况采取相应的解决方法。
更新于 2023年08月03日
