测试集的格式

[guanleiming]

https://upload-images.jianshu.io/upload_images/12081581-70d412eebb570280?imageMogr2/auto-orient/strip%7CimageView2/2/w/323

您看看这样格式的可以吗？不行的话，那测试集的格式就必须是“label，txt”这种格式的吗？

[jimichan]

可以看到。格式可以。
你label和之前的文本中间是空格分隔？
你训练的样例有多少条，控制台上显示的读取词条的数量和label的数量是否显示正确。

fasttext对中文和英文基本一样，label分类的数量不易过多，比如超过100个。

[guanleiming]

大概就是十来个label吧，但是在每条最后面加上__label__xxxx，如果改成最前面加__label__xxxx这种格式是有效的，但是如果训练集的样本过少就会导致每个label的概率非常平均，就算把label的完整的一模一样的一段进行测试的概率也几乎是平均的，但是样本多起来了之后，测试的概率也变高了，没有那么平均，请问您在做的时候是否会出现这种现象？这种现象是否是样本少导致的过拟合？

[jimichan]

我在实际使用时，每个label都有一定数量的样本。没有要求每个label数量一样。 因为是向量计算，样本数量过少，对fasttext没有意义。 guanleiming <notifications@github.com>于2018年12月18日 周二14:13写道：

…

[image: default] <https://user-images.githubusercontent.com/45931460/50135027-a9b0d380-02cd-11e9-9b49-c8653c3a3017.png> 大概就是十来个label吧，但是在每条最后面加上__label__xxxx，如果改成最前面加__label__xxxx这种格式是有效的，但是如果训练集的样本过少就会导致每个label的概率非常平均，就算把label的完整的一模一样的一段进行测试的概率也几乎是平均的，但是样本多起来了之后，测试的概率也变高了，没有那么平均，请问您在做的时候是否会出现这种现象？这种现象是否是样本少导致的过拟合？ — You are receiving this because you commented. Reply to this email directly, view it on GitHub <#8 (comment)>, or mute the thread <https://github.com/notifications/unsubscribe-auth/ABZIVG6ZCxqtc7bXbYW75yx6mfP-luslks5u6IdvgaJpZM4ZVwmH> .