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
来自：开发者社区官方技术圈
1
条回答
写回答
写回答
-
可能的原因如下：
-
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。
-
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。
-
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 -
问答地址：
开发者社区
>
开发者社区官方技术圈
>
问答
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
来源圈子
更多
问答排行榜
最热
最新
相关课程
更多
推荐问答
