当你的ML模型有效但没有很好的结果时你会怎么做？

Question

很抱歉，如果以前曾经问过这个问题，我已经尝试过在线查看，但也许我不知道正确的术语，因为我主要找到试图通过拆分数据集来解决过度拟合的结果。

因此，当我的模型在验证数据上的准确率达到30％并且拒绝改进时，我的策略往往是尝试更改每层的节点数，批量大小或时期数。有时候这很有帮助，但有时候似乎没什么用处。

在这种情况下，人们通常会做些什么？

Answer 1

我想为您解答。您可能正在执行分类任务。您能否指定数据集的以下属性：样本数量，特征数量，特征类型（数字，分类等）。