【24】定位数据不匹配

定位数据不匹配

（1）如果发现存在数据不匹配问题，建议做错误分析，或者看看开发集和训练集，试图找出这两个数据集分布到底有什么不同，然后看看有没有办法收集更多看起来像开发集的数据作训练。

（2）案例1：后视镜语音激活。发现在开发集中有很多汽车噪声，而训练集中没有，这就是造成分布不同的一大原因，解决办法就是录很多汽车噪声的声音，然后与安静的训练集进行合成形成更像开发集的训练集。这里需要注意一点是录噪声的时间多应该尽可能的多，比如1000个小时，而不是用相同的1个小时噪声取合成，因为1个小时的噪声只是所有噪声中一个很小的子集，它代表不了全部的噪声，所以如果只对这1个小时的噪声进行建模，那么建立的神经网络只能对这一个小时的噪声产生有效的反馈，而不是全部的噪声，也就是神经网络对这一小时噪声过拟合了。下图是语音的合成：

（3）案例2：汽车目标检测同样如此，在用计算机视觉合成汽车图像作为数据集时，应该合成尽可能多的种类的汽车，而不是就一二十种汽车，如果汽车种类过少，也会产生与案例1类似的过拟合，如下图所示：