n*********2
发帖数: 357 | 1 写了一个小的基于TensowFlow的程序， 用于处理文本文件。用于训练的文本文件有720
个， 这些文本文件有大有小, 每个平均大概有32K字节，4800个词（words； 这个是去
除了stop words 后的数字)。
然后训练和测试了一下， 发现accuracy 很低， 只有1%。 试了一下模型的各种参数也
不能提高 accuracy。这个一般是什么问题？ 数据量不够？
多谢。 |
l*******m
发帖数: 1096 | 2 试试bert transform learning
：写了一个小的基于TensowFlow的程序， 用于处理文本文件。用于训练的文本文件有
720个， 这些文本文件有大有小, 每个平均大概有32K字节，4800个词（words； 这个
是去除了stop words 后的数字)。
： |
o*******p
发帖数: 27 | 3 Target distribution怎么样？建议先来个baseline：WC + Logistical Regression，
看看accuracy如何。
720
【在 n*********2 的大作中提到】
: 写了一个小的基于TensowFlow的程序， 用于处理文本文件。用于训练的文本文件有720
: 个， 这些文本文件有大有小, 每个平均大概有32K字节，4800个词（words； 这个是去
: 除了stop words 后的数字)。
: 然后训练和测试了一下， 发现accuracy 很低， 只有1%。 试了一下模型的各种参数也
: 不能提高 accuracy。这个一般是什么问题？ 数据量不够？
: 多谢。
|
h*i
发帖数: 3446 | 4 什么文本？自然语言的话，先做embedding再训练，保证训练效果有大幅度的提高。
当然了，你这个几百个数据量是小了点，怎么得整个几千个吧。试试embedding再说吧。
不用谢，这些都是常识。
720
【在 n*********2 的大作中提到】
: 写了一个小的基于TensowFlow的程序， 用于处理文本文件。用于训练的文本文件有720
: 个， 这些文本文件有大有小, 每个平均大概有32K字节，4800个词（words； 这个是去
: 除了stop words 后的数字)。
: 然后训练和测试了一下， 发现accuracy 很低， 只有1%。 试了一下模型的各种参数也
: 不能提高 accuracy。这个一般是什么问题？ 数据量不够？
: 多谢。
|
