模型优化

对于模型的优化，我们提供如下几个建议：

• 换一个不同模型试试。不同的模型架构在不同的任务上表现可能不同，没有哪一个模型能够在所有任务中持续超出所有模型。所以，如果您发现 CNN效果不好，不妨换成 self-attention 试试看。

• 对于同一个模型调整模型的不同参数。即使是同一个模型，也会因为参数设置的不同而最终得到的效果不同。模型含有各种各样的超参数，为了减轻用户的负担，我们只开放了遍历次数和学习率两个参数。遍历次数一般不建议修改（除非您想快速训练完成），学习率参数有时对于模型的影响非常大，可以尝试在 0.001~0.0001 进行调整。

• 有时候上述对于模型的调整可能对于性能的提升都不是很大，这时可以考虑从数据层面来优化。比如数据的预处理阶段，尽可能去除掉对于结果无关的噪音。还可以尝试我们平台提供的数据增强功能，对数据集进行扩充。

• 分析 bad case，有针对性地补充数据。比如，您发现模型对于某一种类别经常分不对，很有可能是该类别数据量太少的原因，这时可以考虑补充该类别的数据。