You need to enable JavaScript to run this app. 基于ANN的7类多分类性能极差:训练与验证准确率严重偏低求助
优惠活动
大模型
产品
解决方案
定价
更多

基于ANN的7类多分类性能极差:训练与验证准确率严重偏低求助

7类分类任务模型训练效果异常排查

当前建模全流程配置

  • 特征管线:采用StandardScaler()对全量特征做归一化处理,单样本特征为54维numpy数组
  • 标签管线:按照标准逻辑完成one-hot编码,最终输出的标签维度为(num_y, 7)的numpy数组
  • 网络搭建:严格参照自定义的网络架构设计图完成逐层模型实现
  • 损失函数设置:当前选用Categorical Cross-Entropy作为模型训练的损失函数

存在的问题

模型训练阶段,训练集与验证集的准确率表现极差,目前正逐环节定位问题根因。

初步排查疑问

模型输出效果不佳,是否与当前选择的损失函数直接相关?

建模全流程的特征处理代码、标签处理代码、维度输出结果、训练曲线、网络结构、损失配置均有对应截图留存,可根据排查需要提供具体片段。


内容的提问来源于stack exchange,提问作者Friedrich_Cheng94

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.11 21:45:08