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 .