数据偏差：只见过猫的分类器

实验目的

理解训练数据缺乏代表性会造成数据偏差，并影响模型的判断。

实验原理

分类器只能在训练时见过的类别中做选择。若训练数据里只有猫，模型就没有机会学到「不是猫」的特征，遇到狗或其他物体时，往往仍会把它归到已知的类别。训练数据不能代表真实情况时，就产生了数据偏差。

实验器材

• 只用猫的图片训练的分类器
• 用于测试的不同图片
• 分类结果显示区

实验步骤

1. 了解分类器的训练数据只包含猫
2. 输入一张猫的图片，观察分类结果
3. 输入一张不是猫的图片，观察分类结果
4. 思考模型为什么会这样判断
5. 补充其他类别的数据，再对比结果

实验现象与结论

对猫的图片，分类器通常判断得很准；对没见过的类别，它仍会给出「猫」或与猫相近的结果。结论：模型只会反映训练数据，数据缺少多样性就会产生偏差，需要补充更全面的样本。

常见问题

什么是数据偏差？

指训练数据不能代表真实情况，比如类别缺失或数量悬殊，导致模型在某些情况下判断不准。

怎样减少数据偏差？

收集更全面、类别更均衡的数据，并用训练时没见过的新数据多做测试。