Что вы делаете, когда у вас есть модель ML, которая работает, но не дает хороших результатов?

Question

Извините, если раньше об этом спрашивали, я пытался искать в Интернете, но, возможно, я не знаю правильной терминологии, потому что я в основном нахожу результаты, которые пытаются решить проблему перехвата путем разделения набора данных.

Поэтому, когда мои модели застревают с точностью около 30% в данных проверки и отказываются улучшаться, мои стратегии, как правило, пытаются изменить число узлов на слой, размер пакета или количество эпох. Иногда это полезно, но иногда кажется, что это мало что дает.

Что люди обычно делают в этой ситуации?

Answer 1

Я хотел бы помочь с вашим вопросом. Вы, вероятно, работаете над задачей классификации. Не могли бы вы указать следующие свойства вашего набора данных: количество выборок, количество объектов, типы объектов (числовые, категориальные и т. Д.).