准确性和预测分类器
Accuracy and prediction Classifiers
我已经在我的数据集（文本分类类型）上训练了 LSTM 和决策树。我使用了 k=10 的 K 交叉折叠验证。
决策树准确率 61%
LSTM 精度 90%
现在，当我对完全看不见的数据进行预测时，与 LSTM 相比，决策树的预测效果更好。
为什么会这样？如果 LSTM 的准确性更高，那么与 LSTM 相比，为什么决策树在看不见的数据上表现更好？
您的 LSTM 模型在训练时可能比决策树具有更高的准确性，但它不能很好地泛化到未见过的数据这一事实表明 LSTM 对训练数据过度拟合。尝试调整训练验证拆分和批量大小，看看是否可以改进您的模型。
训练期间的验证损失将指示哪个模型更好。您还可以尝试使用随机森林（决策树集群），已知它比单独的决策树提供更好的结果
我已经在我的数据集（文本分类类型）上训练了 LSTM 和决策树。我使用了 k=10 的 K 交叉折叠验证。
决策树准确率 61% LSTM 精度 90%
现在，当我对完全看不见的数据进行预测时，与 LSTM 相比，决策树的预测效果更好。
为什么会这样？如果 LSTM 的准确性更高，那么与 LSTM 相比，为什么决策树在看不见的数据上表现更好？
您的 LSTM 模型在训练时可能比决策树具有更高的准确性，但它不能很好地泛化到未见过的数据这一事实表明 LSTM 对训练数据过度拟合。尝试调整训练验证拆分和批量大小，看看是否可以改进您的模型。
训练期间的验证损失将指示哪个模型更好。您还可以尝试使用随机森林（决策树集群），已知它比单独的决策树提供更好的结果