machine-learning-model - 当您有一个有效的 ML 模型但没有好的结果时，您会怎么做？

Question

抱歉，如果以前有人问过这个问题，我曾尝试在网上查找，但也许我不知道正确的术语，因为我发现的结果大多试图通过拆分数据集来解决过度拟合问题。

因此，当我的模型在验证数据上停留在 30% 的准确度并且拒绝改进时，我的策略往往是尝试更改每层的节点数、批量大小或 epoch 数。有时这很有帮助，但有时它似乎根本没有多大作用。

人们在这种情况下通常会做什么？

Answer 1

我想帮助你的问题。您可能正在处理分类任务。您能否指定数据集的以下属性：样本数、特征数、特征类型（数值、分类等）。