Nieuws

Mijn EfficientNet presteerde slechter dan logistische regressie: wat er veranderde

Een datawetenschapper verbeterde zijn F1-score van 0,15 naar 0,9031 in een Kaggle-competitie voor muziekgenretaxonomie. Het probleem bleek een dataprobleem, niet een modelleringsprobleem: de trainingsdata waren schone stems, terwijl de testdata rommelige mashups met omgevingsgeluid waren. Door een ensemble van verschillende architecturen te bouwen, waaronder een CNN, LSTM en pretrained EfficientNet, werd de uiteindelijke score behaald.