昨天我們提到了驗證準確度(Valiadation)略低的問題，而準確度的數值會影響到機器學習模型的可信度，因此今天就要來探討如何提高準確度。會分成兩個部分進行探討，分別是圖片資料準備與模型訓練。

圖片資料準備

1. 我們可以提升欲使用圖片資料的數量，我們使用的圖片資料平均每個情緒只有約50張圖片。若將每種情緒的訓練圖片提升到超過千個，甚至更多，可以提高模型的準確度。
2. 我們在Day4時有提到準備模型訓練的圖片，訓練模型之前會先篩選欲使用的圖片，若我們將篩選的標準提高，只選擇情緒量值為1.0的，可以降低情緒誤差。
3. 讓訓練照片(training images)與驗證照片(validation image)一致，如訓練照片若皆於戶外拍攝，則驗證照片也皆需於戶外拍攝。

模型訓練

1. 提升iterations的數值：當新增新模型時iterations的預設值為10。若我們把數值提高後，模型訓練的時間會拉長，但準確度會提升。（以下圖檔為示範，上方為未選擇iterations值，下方將iterations值設為25）

未選擇iterations值

iterations值設為25

2. 擴增資料設定：將欲擴增的設定勾選，如圖我們勾選了旋轉（Rotate）、模糊（Blur）與曝光（Expose），也可以自由選擇想要擴增的設定，然而若勾選越多項目就需要花更多時間訓練與驗證。

上述方法皆可幫助我們提升準確度，但需要注意設定值越多，訓練與驗證需要花費的時間必定更多！