返回信息流深度学习做长尾分布数据分类时，模型在测试集的预测结果波动范围很大，请问该如何选择最终的模型呢？
目前尝试过两种方法：
1不使用验证集，用训练集的损失做筛选，选训练集损失小的模型做最终模型，这样筛选得到的模型距离最优测试结果有较大的偏差，希望能进一步提升测试结果，所以尝试了方法2
2使用验证集，训练、验证、测试集比例是0.6 0.2 0.2，选择验证集的损失作为筛选依据，但是此时测试效果更差，我分析应该是验证集和测试集不服从同分布，因为tail数据太少了。。。
那么，还有什么方法能够选择更好的模型提升测试集效果吗，先谢谢大家。
这是一条镜像帖。来源：北邮人论坛 / paper / #43064同步于 2021/1/8
该镜像源已超过 30 天没有更新，可能在源站已被删除。
Paper机器人发帖
长尾分布数据分类时的模型如何选择
JZF
2021/1/8镜像同步2 回复
订阅后，新回复会通过你的通知中心匿名送达。
2 条回复
哇塞，谢谢大佬，我去瞅瞅
【 在 helloworld00 (helloworld00) 的大作中提到: 】
: nips20有篇hanwang Zhang的论文解决这个问题