开发者社区> 问答> 正文

D2C 智能化技术会遇到识别不全面、识别准确度不高的问题,引起这样问题的原因是什么?

D2C 智能化技术会遇到识别不全面、识别准确度不高的问题,引起这样问题的原因是什么?

展开
收起
云上静思 2022-07-28 15:23:12 407 0
1 条回答
写回答
取消 提交回答
  • 可能的原因如下:

    1. 识别问题定义不准确:问题定义不准确是影响模型识别不准的首要因素,很多人认为样本和模型是主要因素,但在这之前,可能一开始的对问题的定义就出现了问题,我们需要判断我们的识别诉求模型是否合适做,如果合适那该怎么定义清楚这里面的规则等。

    2. 高质量的数据集样本缺乏:我们在识别层的各个机器智能识别能力需要依赖不同的样本,那我们的样本能覆盖多少前端开发场景,各个场景的样本数据质量怎么样,数据标准是否统一,特征工程处理是否统一,样本是否存在二义性,互通性如何,这是我们当下所面临的问题。

    3. 模型召回低、存在误判:我们往往会在样本里堆积许多不同场景下不同种类的样本作为训练,期望通过一个模型来解决所有的识别问题,但这却往往会让模型的部分分类召回率低,对于一些有二义性的分类也会存在误判。

    以上内容摘自《前端代码是怎样智能生成的》电子书,点击https://developer.aliyun.com/topic/download?id=53可下载完整版

    2022-07-28 16:32:46
    赞同 展开评论 打赏
来源圈子
更多
收录在圈子:
阿里云开发者社区官方技术圈,用户产品功能发布、用户反馈收集等。
问答排行榜
最热
最新

相关电子书

更多
图像搜索与识别在大规模场景中的研究与实践 立即下载
智能决策 立即下载
智能运维里的时间序列:异常检测、根源分析、预测 立即下载