根據我自己的經驗,我注意到分類模型的準確性與目標變數中的類數成反比。也就是說,因變數中的類數越多,模型的準確性就越低。我不知道這種變化是由類的數量還是由它們之間的不平衡引起的(盡管過采樣技術確實有助于提高模型的性能)。我假設因為更多的類導致它們之間的概率差異更小,因此模型更難以“自信地”確定確切的類。
是否有更具體的理論基礎來解釋上述觀察結果?
uj5u.com熱心網友回復:
最簡單的方法是了解準確性“意味著”什么。通過考慮隨機基線的類數。拋硬幣給你 1/K 的準確性,其中 K 是類數。所以 50% 用于 2 個類別,但只有 10% 用于 10,而只有 1% 用于 100。這表明如果您有更多類別,“60%”準確度“意味著更多”,具有 60% 準確度的二元分類器幾乎是隨機的,但是 100 節課的 60% 是神一樣的。
轉載請註明出處,本文鏈接:https://www.uj5u.com/yidong/453463.html
下一篇:為每個像素創建一個5位的影像
