我的训练集看起来像这样。
特点：分类/数值
输出：二进制1/0
[1] feature[1][1] feature[1][2] ... feature[1][j]
[2] feature[2][1] feature[2][2] ... feature[2][j]
.
.
.
[i] feature[i][1] feature[i][2] ... feature[i][j]
假设一些样本（行）具有可能产生类似输出的“好”值组合，而其他样本具有“坏”值组合，因此难以预测。
我的目标是，通过摆脱那些缺乏规律性的不良样本，我想提高最终的准确性。有人能告诉我什么是最好的算法或预处理来自动检测那些样本，以便只训练好的样本？提前谢谢！
ENV：MXNet，R
答案 0 :(得分：1)
使用深度学习模型，您通常可以获得足够的自由度，以便模型在特征空间中学习对预测有用的结构。如果有两个具有不同特征的组（例如猿和人），并且知道该组在进行预测时很有用，那么模型应该能够学习这个。
此外，如果你的最终目标是分类，那么在深度学习模型中常见的是softmax layer作为输出，可以解释为给定类的概率;这个概率越高，你对预测的信心就越大。您应该按this paper中的建议校准和评估此概率。
另一方面，如果您希望应用更简单的模型（例如线性模型），您可能需要事先执行无监督学习，并将其作为模型中的分类功能。正如Viacheslav所建议的，像K-Means这样的聚类算法可以用于您的数据集，否则您可能需要查看高斯混合模型或DBSCAN。