machine-learning - 为什么具有 92% 准确率的 RNN LSTM 模型在看不见的数据上失败?
问题描述
我已经建立了一个 RNN LSTM 模型作为三类分类器。它提供了大约 94% 的训练和测试准确率。但是在真实数据上测试它给出的结果非常不准确。它的应用与 NLP 相关。
我的原始数据集格式就像
DATA | Class
1. String1 | 0
2. String2 | 1
3. String3 | 2
准确度、F1 分数和混淆矩阵:-
Accuracy = 91.07142857142857
F1 Score = 0.9104914905591774
[[39 3 0]
[ 2 36 4]
[ 0 1 27]]
所以我想要实现的是在输入一些字符串时,如果该字符串包含一些 0 类的常见单词,那么它应该预测该字符串来自 0 类。有什么帮助吗?
解决方案
推荐阅读
- javascript - 如何左对齐左ul li项目
- cordova - 科尔多瓦离子按钮在多个模式中不起作用
- android - 当我单击菜单按钮时,Android 应用程序崩溃
- python - 我在分配之前不断收到此错误局部变量“url”的引用
- python-3.x - 读取base64文件并转换为jpeg
- r - 在数据框中的每一行插入一个空白行
- mysql - 用于获取唯一条目的 SQL 查询。查询是否正确有效?
- c# - C# .Net 根据 X509Certificate2Collection 验证证书;不是全球性疼痛
- ios - 导航栏和 WKWebview IOS Swift4 之间的空间
- sql - 如何从查询中显示结果计数