Multi-Label-Text-Classification
Multi-Label-Text-Classification copied to clipboard
RandolphVI
请问我这边模型训练期间 P值跟F1值都不到0.1，是数据处理的原因么
@VVesley 检查一下你自己用的数据，1. 标注是否合理正确；2. 分词是否有误；3.预处理是否合理。这里的模型都非常简单，正常数据能跑通的话，Precision 和 F1 值一般都不会这么低，和你的数据关联很大。
请问我把标签类别数量改为9之后出现了 File "../utils/data_helpers.py", line 351, in _create_onehot_labels label[int(item)] = 1 IndexError: list assignment index out of range 这个，请问是怎么回事
@VVesley 代码逻辑部分建议你可以自己尝试理清楚再作提问（使用自己的数据集，data_helpers.py和param_parser.py都要根据你数据的统计指标进行更改，包括标签个数、你预设的最大句子长度等，参数部分请认真详细参考Usage），另外也可以参考别人提过的 issue。
@VVesley 举个例子，按照你的数据集总共 9 个标签，最后网络会输出 1 * 9 的 tensor，其中每一个元素都代表了对应标签的预测概率值，一般做法是阈值法和 TopK 法，如果使用阈值法就是事先给定一个阈值（例如 0.5），如果超过则标记为正，反之为负，对应 param_parser.py 设定的参数 threshold 超参数（默认值是 0.5）；如果使用的是 TopK，即取 9 个当中前 K 个，不管其预测概率值是多少均标记为正，对应 param_parser.py 设定的参数 TopK 超参数（默认值是 5，即取前 5 个可能的类别）。