1回答
验证准确率最初很高，然后很低
、、、、
在该模型中，验证准确率最初高于训练准确率，然后下降。这种行为可以接受吗？如果不是，那么原因是什么?如何解决？ ?
浏览 102提问于2021-09-06得票数 0
汽车证件照图片，使用ORC接口识别，准确率很低，但是把图片放到你们平台的测试上面，准确率很高，也就是说我调用你们接口，识别不出来，但是我把图片放到你们网站中识别，一下子就识别出来了，是不是因为免费版本的问题假如后期我付费了，准确率会提高吗？
浏览 243提问于2020-09-25
然后使用交叉熵损失来度量: BCEloss和CrossEntropyLoss。但两者之间的差距很大。前者的性能是正常的，但后者的准确率很低，召回率很高。我用了pytorch。
浏览 26提问于2020-04-09得票数 0
回答已采纳
我应用了批量归一化技术来提高我的cnn model.The模型的准确性，没有批量归一化的模型的准确率只有46%，但在应用批量归一化后，它超过了83%，但这里出现了一个bif过拟合问题，该模型给出的验证精度仅为
浏览 2提问于2020-03-09得票数 1
，我在NLP项目工作，我想用神经n/w进行文本分类，我从测试集中获得了很好的准确率，为98%。，但是，当我试图检查混淆矩阵的准确性(使用混淆矩阵的准确度)时，只有52%。怎么可能？我在这里少了什么？
浏览 4提问于2020-06-14得票数 0
1回答
validation_data_gen.flow_from_directory(validationPath, target_size=(224, 224), 当训练完成时，训练和验证的准确率都很高image_size))x = np.expand_dims(x, axis=0)然而，测试的准确性很低我在训练
浏览 2提问于2020-10-31得票数 1
回答已采纳
2回答
我能够像这样获得很好的准确率，使用ROC和最小分类误差使用随机森林。但是，我想添加一个新变量v21。我从经验中知道，如果这个变量(v21)的值很高，那么即使v1、v2、v3和v4值很高，类也可能不是“差”的。当变量v21很高(尽管变量v1、v2、v3和v4很高)时，获得“差”类的概率很低。1)如何将v21知识运用到分类中，提高分类准确率？2)当我有符合我理解的真实数据时，我可以计算出当v21的值很高，当v1，v2，v3和v4的值很高时
浏览 2提问于2016-01-16得票数 1
在这个实验中，用captcha库生成的验证码识别准确率很高，但自己随机找的验证码却识别不出来、这是为什么？
浏览 407提问于2017-10-03
2回答
然后，我随机抽取了15%的培训集和15%的测试集来创建验证集。目标是将图像分为两类。精确的图像样本不能共享。但它和附件中的那个相似。对该模型进行了30个历次的训练，发现训练精度为95%，验证精度为96%，在测试数据集上训练后，仅下降到75%。
我已经尝试了正规化和辍学，以解决过度适应，如果它是痛苦。我还做了一件事，看看如果我使用测试集作为验证集并在同一个测试集上测试模型会发生什么。结果表明:训练集Acc = 96%，验证ACC = 96.3%，testAcc = 68%。我不明白我该怎么办？
浏览 3提问于2019-01-16得票数 2
回答已采纳
1回答
问题是在训练过程中，在100步之后，小批量的准确率是40%，在200步时已经是85%。为什么增长如此之快？
浏览 1提问于2017-06-02得票数 0
1回答
我的验证集具有很高的分类准确率。但由于数据不平衡，测试数据较低。请在这里推荐。
在验证集上获得高精度，但在测试集上获得低精度的原因可能是什么？
浏览 0提问于2020-03-07得票数 0
我可以看到训练和验证损失表现良好，但训练和验证的准确性相当不正常。我认为验证数据集可能比训练集更容易。因此，我得到了很高的验证准确率。我期待着你的善意的建议。<code>B0</code>
浏览 16提问于2020-03-18得票数 0
回答已采纳
目前，我正试图对非常不平衡的数据运行sklearn的RepeatedStratifiedKFold交叉验证。cv, n_jobs=-1)我得到的结果显示，平均准确率很高(94%)，平均精度很低(5%)，召回率(1%)很低。我想知道我的交叉验证是否只适用于它所做的训练分裂，而不是测试分裂。这将解释为什么我会有如此高的精确度
浏览 2提问于2021-12-29得票数 0
我已经建立了模型，它为随机森林和支持向量机提供了84%的准确率，但只给出了13%的非常低的auc。我是用python构建的，我是机器学习和数据科学的新手。
我预测数据集上有0和1个标签。
浏览 3提问于2017-11-02得票数 0
准确率为79%。然后，我只使用f2，并在相同的测试集上进行测试。准确率为79.5%。然而，当我将f1和f2合并为一个特征向量并运行相同的实验时。准确率为80.4%。从我的实验结果来看，谁能告诉我哪里出了问题？为什么我合并功能集f1和f2时准确率很低？
浏览 3提问于2014-05-29得票数 1
1回答
model.predict(images, batch_size=10)print('Genuine | Printout | Replay')在验证准确率如此之高的情况下
浏览 17提问于2020-02-23得票数 0
回答已采纳
clf = SGDClassifier(loss="log", penalty="l2")score = clf.fit(X_train, y_train对于每一个交叉验证分割，我的分数总是0.0。那么，这是否意味着我的分类器正确地标记了我的测试数据，还是意味着我的准确率很低？
浏览 5提问于2015-10-20得票数 3
回答已采纳
那么你可以提交一个分类器，它总是输出”无痴呆“，达到99%的准确率。看起来你的99%的精确分类器很好，而实际上它是完全无用的。使用AUC评分，你的分类器将得到0.5分。”如果99%是负的，而且我们总是输出“否”，那是不是意味着TruePositiveRate会很高，FalsePositiveRate会很低，导致曲线下的面积接近1？
浏览 0提问于2019-11-15得票数 1
3回答
我用MNIST数据集(有50000个训练输入)训练了我的ANN，然后跑了起来。当我尝试MNIST dataset.But中包含的测试输入时，我得到了91-92%的准确率(这是很高的)如果我给我的绘画图像作为我训练的人工神经网络的输入，它无法识别数字。即使是最清晰的。然而，如果我从互联网上下载一个数字的图像，它识别的准确率很高。所以，我不明白为什么我的ANN So除了画图之外什么都能识别。(MNIST数据集包含在黑色背景上具有白色数字的图像。)
浏览 2提问于2018-07-09得票数 0
2回答
我的结果如下图所示
我想知道，为什么训练的准确性开始这么高，然后突然下降，然后又开始上升，随着训练设置的规模增加？反过来说，为了测试的准确性。我认为非常好的准确性和下降是由于一些噪音，因为小数据集在开始，然后当数据集变得更加一致，它开始上升，但我不确定。有人能解释一下吗？
浏览 5提问于2016-05-02得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
