橘子1649 2023-04-12 16:43 采纳率: 57.1%
浏览 20
已结题

深度学习,机器学习报错

最近写bert 模型微调做相似度分析
有三个数据集,训练集 train / 验证集 val / 测试集 test
现在我知道 test 数据集的 label 是可以不写的,那么 bert 是如何计算eval_accuracy值的呢?如果是返回 label = 0,1标签,那么他的对照组是谁呢?同样可不可以将bert产生的 0,1 返回到 test 数据集中呢?
有没有深度学习厉害的朋友可以帮帮忙,一小部分解答也可以,非常感谢!

  • 写回答

1条回答 默认 最新

  • Leodong. 2023-04-13 10:14
    关注

    该回答通过自己思路及引用到GPTᴼᴾᴱᴺᴬᴵ搜索,得到内容具体如下:
    在BERT模型的微调中,通常会使用验证集(val)来进行模型的参数调整和超参数调整。在验证集上,我们可以通过计算模型的准确率(eval_accuracy)来衡量模型的性能表现。

    在计算准确率时,我们通常会将模型的预测结果与验证集中的真实标签进行比较,从而得到模型的正确预测数目。因此,验证集中的标签(label)是必须的,否则无法计算模型的准确率。

    对于测试集(test)来说,我们不会在模型训练和调整时使用它,而是在最终模型确定后,使用测试集来评估模型的性能表现。在测试集上,我们同样需要知道真实标签,以便计算模型的准确率和其他性能指标。

    因此,一般情况下,测试集中的标签(label)也是必须的。如果测试集中的标签(label)无法获取,我们无法计算模型的准确率和其他性能指标,也无法将模型的预测结果与真实结果进行比较,从而无法有效评估模型的性能表现。

    在实际应用中,如果测试集中的标签(label)无法获取,我们可以考虑使用一些无监督的方法来进行模型的评估。例如,可以使用聚类算法、降维算法等方法来对模型的输出结果进行分析和评估。但是这种方法的评估结果可能存在一定的不确定性,无法像有标签数据那样具有可信度。

    总之,无论是验证集还是测试集,都需要有标签(label)的支持,才能进行模型的评估和性能指标的计算。如果没有标签(label)的支持,我们需要考虑采用一些无监督的方法来进行模型的评估。


    如果以上回答对您有所帮助,点击一下采纳该答案~谢谢

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论

报告相同问题?

问题事件

  • 系统已结题 4月21日
  • 已采纳回答 4月13日
  • 创建了问题 4月12日

悬赏问题

  • ¥30 用python写一个多签情况下波场的代理资源和回收资源
  • ¥15 怎么在matlab中输出显示泵的流量-扬程和管路损失与流量均在一个表格里
  • ¥15 matlab学期例题代码答疑
  • ¥50 Hadoop:好友推荐
  • ¥15 在线手电筒追加按钮JS
  • ¥15 调用函数时,无关变量的改变引起函数值的改变
  • ¥15 xy坐标转化为经纬度坐标
  • ¥15 一般三角模糊数的上界值和下届值取中值的多少比较合理?
  • ¥15 cuda安装使用问题
  • ¥15 关于#python#的问题,请各位专家解答!