即使训练和测试数据相同,每次训练时分类器都会给出不同的结果
Classifier is giving different results every time it is trained even though the training and test data is the same
训练和测试数据被腌制和加载。但是结果(准确度和 f 度量)似乎每次都不同,即使分类器使用相同的训练数据进行训练并使用相同的测试数据进行测试。这是怎么回事?我指的分类器是极限学习机。
取决于您选择的分类算法。如果你选择随机森林之类的东西,每次都会学习一个新的模型,所以这样的观察是可能的。
输出的权重有何不同?你得到不同的参数吗?
请记住,许多算法从不同的随机种子开始,这使得它们对于不同的实验集表现不同。
输出有何不同?它们有很大的不同吗?如果是这样,也许您需要让它 运行 更长。
正如有人所说,您必须使用交叉验证来找到最佳参数集,为此您需要轮换训练和数据集。
训练和测试数据被腌制和加载。但是结果(准确度和 f 度量)似乎每次都不同,即使分类器使用相同的训练数据进行训练并使用相同的测试数据进行测试。这是怎么回事?我指的分类器是极限学习机。
取决于您选择的分类算法。如果你选择随机森林之类的东西,每次都会学习一个新的模型,所以这样的观察是可能的。
输出的权重有何不同?你得到不同的参数吗?
请记住,许多算法从不同的随机种子开始,这使得它们对于不同的实验集表现不同。
输出有何不同?它们有很大的不同吗?如果是这样,也许您需要让它 运行 更长。
正如有人所说,您必须使用交叉验证来找到最佳参数集,为此您需要轮换训练和数据集。