百科问答小站 logo
百科问答小站 font logo



为什么新增特征有时候会对模型带来负面影响? 第1页

  

user avatar   geng-rui-61 网友的相关建议: 
      

其实这个问题描述得不好。首先你的lr是什么lr,是logistic regression还是linear regression?没有加入什么贝叶斯、GP之类的?

因为不知道你说的是什么lr,所以不知道你处理的是什么问题,classification,还是regression。

你说的结果变差了,这个描述太不“统计学”了。如果你做的是regression,你是说MSE变大了,还是说l1或者l2变大了?你是如何做regularization的?如果你做的是classification,你说的结果变差了,是说accuracy差了,还是recall或者precision差了,或者只是f1差了?如果是f1差了,你是说minor f1差了还是major f1差了?

而且我们脱离数据谈数据也不好。数据本身是否做过standardisation?而且数据本身是否“可用”?我就见过有人把周一周二周三这种数值直接设为1、2、3、4、5、6、0,结果还问为什么效果变差了。而且有人连自己的数据的matrix的rank是多少都不知道,就直接撸模型。我说实话,这样是不合适的。你可能能做出结果,但是出了结果,你不知道怎么调。

而且你说排除过拟合,你是怎么排除这个可能性的?


所以说,我们常常看人做数据,手写算法,但是很少有人真的懂得科学的分析方法,很少有人真的能做error analysis。我是建议你重新编辑一下问题,然后大家帮你看一下。一般来说效果变差了,我的理解是,效果在training data和testing data上都变差了,而且无论训练多少个迭代,结果不收敛。那样的话,要检查你的数据本身是否可用。




  

相关话题

  计算机视觉顶级会议论文中比较适合初学计算机视觉的人做的复现实验有哪些? 
  机器学习中非均衡数据集的处理方法? 
  如何评价2020年计算机视觉顶会CVPR投稿量破万的现象? 
  为什么nn的较大问题是会陷入局部最优时,不选用凸函数作为激活函数? 
  现在tensorflow和mxnet很火,是否还有必要学习scikit-learn等框架? 
  计算机技术的进步与模拟运算,在未来真的可以解决磁约束核聚变技术中所有关键问题吗? 
  2019 秋招的 AI 岗位竞争激烈吗? 
  如何看待斯坦福博士生2prime陆一平关于新冠起源的一系列言论? 
  计算商品embedding然后平均得到用户embedding,会不会存在这种问题? 
  人工智能在生活中的应用都有哪些? 

前一个讨论
2021年,AI将何去何从?哪些技术与应用是下一个风口?能否推荐相关图书?
下一个讨论
如何评价 Kaiming 团队新作 Masked Autoencoders (MAE)?





© 2025-04-04 - tinynew.org. All Rights Reserved.
© 2025-04-04 - tinynew.org. 保留所有权利