loss 下降但 F1 不涨如何排查
哪些公司问过
答案要点
- 先区分训练 loss 与验证 loss:验证 loss 不降说明过拟合,用正则、增强、早停
- loss 与指标不一致:交叉熵优化概率,F1 依赖阈值,需在验证集上搜索最优阈值
- 类别不平衡:少数类学不好会拉低宏平均 F1,可用类别加权、Focal Loss、重采样并看分类别指标
- 数据问题:标注噪声、训练与验证分布差异、验证集过小导致指标波动
- 检查指标实现:标签映射、micro 与 macro 平均方式是否正确
易错点
- 不看验证 loss 就下结论
- 始终用 0.5 作为分类阈值,不做阈值调优
- 只看整体指标,不看各类别的精确率和召回率
面试官常见追问
- 能不能直接优化 F1?
- micro F1 和 macro F1 有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。