我有一个由 A , B 和 D 类组成的数据集 . 有100个样本 A ,26个样本 B 和1个样本 D 出127.如果我忽略样本D,则ANN的精确度约为%95 . 但是,我想 Build 一个模型,可以正确分类样本D,并成功预测未来 D 样本 . 有什么建议吗?
A
B
D
你可以非常重视你的D来人为地“创造”更多D的实例,但一般来说你必须有足够的数据来教授算法所有类的可变性 .
如果您可以假设您的算法仅显示来自A,B和D的图像,您可以尝试教它将"neither A nor B"分类为D,方法类似于here所描述的方法 .
1 回答
你可以非常重视你的D来人为地“创造”更多D的实例,但一般来说你必须有足够的数据来教授算法所有类的可变性 .
如果您可以假设您的算法仅显示来自A,B和D的图像,您可以尝试教它将"neither A nor B"分类为D,方法类似于here所描述的方法 .