现在他就在看输出日志，观察到底是在哪一个环节出了问题，为了衡量模型的效果好坏，
他在数据预处理，数据融合，模型训练，结果输出这几个方面设计了几个指标。
经过观察，他大概确认了最为可能的一个原因。
数据融合异常。
因为模型接受的数据是多种模态的，所以在预处理之后还有一个数据融合阶段。
根据实验日志来看，问题就出现在了这一阶段。
原本的数据融合算法在只有两种模态数据的时候，效果很好，但是当数据的模态数量逐渐上升，
一些原本没有发现的bug逐渐显现出来，这也是导致最终效果不如原来模型的最为重要的原因。
当然，也可能是因为过拟合，数据泄露，这种普遍性的问题，只不过仅根据这次的输出日志来看，可能性不大。
“嗯......特征维度贡献方差过大？”划动滚轮的手指停下，周昀敏锐地看到了一条异常的输出。
内容未完，下一页继续阅读