他在數據預處理，數據融合，模型訓練，結果輸出這幾個方面設計了幾個指標。
經過觀察，他大概確認了最為可能的一個原因。
數據融合異常。
因為模型接受的數據是多種模態的，所以在預處理之后還有一個數據融合階段。
根據實驗日志來看，問題就出現在了這一階段。
原本的數據融合算法在只有兩種模態數據的時候，效果很好，但是當數據的模態數量逐漸上升，
一些原本沒有發現的bug逐漸顯現出來，這也是導致最終效果不如原來模型的最為重要的原因。
當然，也可能是因為過擬合，數據泄露，這種普遍性的問題，只不過僅根據這次的輸出日志來看，可能性不大。
“嗯......特征維度貢獻方差過大？”劃動滾輪的手指停下，周昀敏銳地看到了一條異常的輸出。
說人話就是，模型在融合信息的時候沒有一個輕重緩急，對所有模態的數據都一視同仁，平等對待了所有輸入。
內容未完，下一頁繼續閱讀