Почему «чем проще, тем лучше» не работает на ИИ-классификаторе

Дата публикации: 19-07-2026 07:58:41

Обучил multi-label классификатор на 15 классов для модерации Discord-сообщества, получил micro F1 = 0.9358 — цифра, с которой можно закрывать задачу и не разбираться дальше. Но стоило посмотреть на precision и recall по каждому классу отдельно, как выяснилось: recall на TOXIC — около 0.78, а для части редких меток test split вообще не подтверждает качество — положительных примеров там почти нет. 

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	Как заставить LLM сортировать данные: от наивного подхода до TrueSkill	0	9.74	23-01-2026
2	Отказ от ответа в табличной классификации: max-prob, entropy и conformal sets на CatBoost	0	10.81	09-03-2026
3	От сложности к простоте: как я переписал систему логирования Discord-серверов и сделал её в 10 раз проще	0	12.86	18-07-2026
4	Работа с несбалансированными данными: SMOTE мёртв, что работает	0	12.98	31-01-2026
5	Обучение ИИ-моделей на обычном ЦП	0	11.25	12-01-2026
6	Бинарная классификация: как работает логистическая регрессия	0	9.17	13-02-2026
7	Как я автоматизировал создание стикеров для соцсетей: локально обучаем стилевую LoRA для SD 1.5 на 30 картинках	0	11.88	04-08-2026
8	LLM-судье нельзя верить на слово: как построить надёжный гейт и проверить сами тесты	0	12.53	28-07-2026
9	Как я собрал OmniBot: Discord Activity, локальный ruBERT и модерация без чёрного ящика	0	9.44	19-07-2026
10	predict_proba выдаёт 0.9 — но это не вероятность 90%	0	12.82	02-06-2026

Классификация: Наука. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 13.64. Источник: pythondigest.ru.