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
相关产品推荐

