前面课程当中，给大家演示了单标签和多标签分类的实现方法，但是在上节课的最后，给大家演示多标签预测效果的时候翻车了。所以，我课后又重新训练了模型，正好也有同学问到，训练过程看不到验证集的准确率，有点像盲盒这个问题，在这里给大家再补充讲解一下。

同时，这个方案不只是TextCNN项目适用，其他项目也可以参考这个方法。

代码示例

1、边训练边验证

首先，我们来解决盲盒的问题，就是在训练过程中，看不到模型在验证集上的表现。因为我们没有验证集，就直接把测试集当验证集使用了，在训练过程中，每训练完一轮，就做一次验证，取验证准确率最高的模型。 

内容不可见，请联系管理员开通权限。
内容不可见，请联系管理员开通权限。

2、调参

我们这个模型比较简单，可能对模型有影响的参数有以下几个。 

内容不可见，请联系管理员开通权限。

我尝试调整了这些参数，发现模型效果并没有明显的改善，个人感觉已经到了上限。

算法界有个基本共识：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。所以在工业级项目中，应该把更多精力放在构建更好的数据集上。

本文链接：http://ichenhua.cn/edu/note/567

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！