Почему существует разница между предсказанием модели SVM для одних и тех же данных при локальном запуске на моей машине и в AWS sagemaker?

Question

Я пытаюсь развернуть модель sklearn SVM в AWS SageMaker.Но во время тестирования модели, я получаю разные результаты, даже если я использую тот же hyperparameters для алгоритма, те же данные обучения и тестирования.

svm.SVC(kernel='rbf',gamma=1.0,C=10,probability=True)

Я ожидаю пять классов в выводе.Ниже приведены выходные данные тестовых данных, которые я получил при локальном запуске:

В SageMaker я получаю только четыре в качестве выходных данных для всех тестовых данных.

Answer 1

Должны ли вы пытаться установить одно и то же случайное начальное число везде?

Попробуйте использовать np.random.seed(0) в начале вашего кода, прежде чем создавать экземпляр SVM

Если это не сработает, попробуйте добавитьслучайное состояние вашей модели

svm.SVC(kernel='rbf',gamma=1.0,C=10,probability=True, random_state=0)