机器学习模型错误预测

Question

我有一个来自create ML的机器学习分类器。该模型接受了3400个样本的训练，其准确性令人印象深刻。但是，该模型经常会做出错误的预测，而且我似乎无法弄清楚如何将其添加到模型中，因此它对某些错误的预测没有很高的信心。如何/可以使用分类错误的新数据重新训练模型，因为该数据不属于此分类？我应该创建一个新的分类文件夹并向其中添加这些错误的分类，还是可以训练模型以非分类类型的方式传递，以便它可以尝试了解它们之间的区别？

Answer 1

  

免责声明：到目前为止，我还没有使用createML。当我   从问题中了解您通过以下方式提供了培训数据   文件夹结构以及培训和评估，然后按   一个按钮。如果我做了一些错误的假设，请纠正我。

很高兴知道您使用的是哪种模型/架构以及训练样本的外观。

对我来说，您的问题听起来像是这些预测不良的示例在整体数据集中的代表性不足。您可以在此处尝试一些技巧：

1. 只需复制（在培训样本文件夹中复制粘贴）这些样本即可进行培训，以使对这些特定样本的错误反馈增加一倍。
2. 一种更复杂的方法是对这些样本应用数据增强策略，然后将增强后的样本添加到您的训练数据集中。

根据您的样本类型，有一些可用的Python增强包，它们很容易直接使用。