第34章 数据融合异常 (3 / 4)
        说人话就是，模型在融合信息的时候没有一个轻重缓急，对所有模态的数据都一视同仁，平等对待了所有输入。

        这在模态少的时候可能适用，因为数据输入之前，在无形之中其实是多了一个人工筛选的步骤。

        比如你要预测股票的涨跌，相比于各种专家的视频分析，你可能会更加相信各种金融指标，所以你就会下意识地选择各种数字指标输入模型，而不是专家的视频分析。

        这就隐含地为数据赋予了权重，虽然代码里没有，但它确实是真实存在的。

        不过人工筛选终究是有一些小问题的，在金融这个反人类的领域，光凭经验很多时候容易做出错误的判断。

        “也就是说，在数据融合的时候，缺少了一个‘智能筛选’的步骤，让模型知道，哪些数据重要，哪些数据不重要。”

        “数据筛选.......”周昀手指轻轻敲打着桌面，思考着解决办法。

        如果只是单纯的逻辑判断，肯定不行，这样太死板，还不如人来筛选。

        置信度？

        周昀想了一下，也觉得不行。

        置信度其实就是模型对自己输出结果的把握大小，例如一个分类任务，最终模型的输出会在Softmax函数的作用下，变成一连串的概率，

        比如分类到A的概率为80%，B任务的概率为10%以此类推。

        那么置信度就是采用概率大于一定数值的结果。

        这东西听上去玄乎，实际上也是一种比较死板的逻辑判断。

        除了这两种，筛选数据的方法其实还有很多，不过周昀都不满意，因为这些方法从他们的底层逻辑来看，都没有达到他想要看到的“智能”。

        内容未完，下一页继续阅读

更多完整内容阅读登陆

《墨缘文学网，https://wap.mywenxue.org》