如何处理预测时不在训练集中的标签

例如,使用监督学习来分类5个不同人的面孔。但在测试第6个不在训练集中的面孔时,模型仍然会将其预测为这5个人中的一个。如何让模型在未训练过的人的面孔时,将其预测为未知?


回答:

您可以为已知类别的预测设置一个特定的阈值。您的模型应该只有在预测值达到某个阈值时,才从已知类别中进行预测,否则将被分类为未知

处理这个问题的不太理想的另一种方法是在训练期间设置一个名为未知的类,并将一些随机面孔作为这个类的对应示例。

Related Posts

在使用k近邻算法时,有没有办法获取被使用的“邻居”?

我想找到一种方法来确定在我的knn算法中实际使用了哪些…

Theano在Google Colab上无法启用GPU支持

我在尝试使用Theano库训练一个模型。由于我的电脑内…

准确性评分似乎有误

这里是代码: from sklearn.metrics…

Keras Functional API: “错误检查输入时:期望input_1具有4个维度,但得到形状为(X, Y)的数组”

我在尝试使用Keras的fit_generator来训…

如何使用sklearn.datasets.make_classification在指定范围内生成合成数据?

我想为分类问题创建合成数据。我使用了sklearn.d…

LSTM单元中的单元数量与”记忆距离”之间有关系吗?

我理解LSTM的控制方程,并且我看到了这个帖子,它讨论…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注