WedX - журнал о программировании и компьютерных науках

Tensorflow всегда предсказывает 0

Я пытаюсь обучить NN для двоичной классификации, но использую многоклассовый подход, поэтому класс (C) = 2. Точность как для обучающих, так и для тестовых наборов данных составляет ~ 96%. Однако ручная проверка показывает, что Tensorflow всегда выбирает 0 для каждого примера.

Мне интересно узнать, как решить эту проблему и что я делаю неправильно. Очень ценю вашу помощь. Спасибо.

(Пожалуйста, дайте мне знать, если я слишком расплывчата и не предоставляю достаточно информации, чтобы вы могли точно определить хорошее решение. Спасибо.)


  • Пожалуйста, посмотрите на MCVE и соответствующим образом отредактируйте свой вопрос. 12.10.2017
  • Нам, вероятно, понадобится код MCVE (см. комментарий выше), чтобы помочь вам должным образом. Просто проверьте тривиальный ответ: ваш класс 0 представляет 96% ваших данных? В этом случае проблем нет, он просто научился все время предсказывать 0, что дает 96% хороших ответов. В противном случае нам понадобится некоторый код и немного знаний о данных. 12.10.2017

Ответы:


1

Если у вас точность 96% и все прогнозы равны 0, то ваш набор данных, вероятно, несбалансирован. Вы должны сбалансировать его и сделать количество выборок из положительных и отрицательных классов одинаковым. Вы также можете добавить весовые коэффициенты для класса, накладывая больший штраф на класс с меньшим количеством образцов.

12.10.2017
  • Этот ответ и ответ @gdelab верны. Я взглянул на набор данных, и действительно, это то, что вы двое предложили. Любые предложения о том, как решить эту проблему? (К сожалению, у меня недостаточно репутации, чтобы голосовать за ваши ответы) 12.10.2017
  • Для нейронных сетей нет простого обходного пути, вы можете добавить веса в свою модель или исправить набор данных. Мое решение будет заключаться в повторной выборке набора данных, вы можете занижать выборку преобладающего класса, чтобы у вас было 50/50 каждого класса, или вы можете передискретизировать класс меньшинства. Для этого есть библиотека на python с несколькими решениями: github.com/scikit-learn-contrib / несбалансированное обучение 13.10.2017
  • Новые материалы

    Как создать диаграмму градиентной кисти с помощью D3.js
    Резюме: Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..

    Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
    Просто начните и учитесь самостоятельно Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..

    Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
    В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..


    Для любых предложений по сайту: [email protected]