bad case分析是了解业务、了解场景的重要途径,知道当前研究、实践中容易出现的问题,往通俗的说,吸收经验的重要途径。
分析badcase必须要先了解目前模型的效果,也就是baseline,知道该往哪个方向努力。
现状
评测集
要兼顾数量、统计意义、质量。
指标
指标的设计必须要考虑观测的目标。
注重指标的口径,比如不同数据源的情况。
多个指标的组合观测。
结论
确定预期的目标、进一步优化我们当前的算法方案的方向。
分析
分析的对象
根据优化算法的方面来观察不利于指标提升的badcase。
分析思路
粗看法
大体上去看,错误的样本都有什么特点,带有哪些特征,例如长度、句式等是否有什么特点。
追溯法
对一个case,重现整个训练和预测过程的方法。给定一个bad case,准备好日志,分析预测的每个阶段的分析结果,查看是否符合预期。
解决
样本的误导
增广数据
阈值的确定和权衡
不同的阈值得到的召回不一样
预处理
预处理的本质是对数据进行处理使之更好地被用来预测
前处理
指模型预测之前的处理,尤其在模型比较大,性能要求比较高的场景,我们需要把一些肯定确定能快速预测出来的东西给过滤掉,从而提升性能也降低模型的负担,最简单的例如黑白名单,复杂的可以有一些针对业务的规则,例如超短句或者超长句直接拒绝等等,能用规则的尽量用规则。
后处理
指在模型预测以后的一些调整,最直接能想到的就是阈值过滤,但不仅是这些,有的时候需要结合模型的预测打分进行调整