Как выбрать наиболее подходящий алгоритм машинного обучения

Question

при частом запуске алгоритмов машинного обучения точность меняется в том случае, как выбрать алгоритм наилучшего соответствия для этого конкретного набора данных.

Answer 1

Предположим, вопрос касается одного и того же набора данных X (Обучение), каждый раз, когда мы запускаем точность, сравнивая предсказанные ответы с нашими зависимыми значениями Testdata (Y).Если точность продолжает изменяться, если кажется, что мы запускаем модель, проблема заключается в смещении выборки (раздел данных обучения и испытаний поддерживает загадку).

Когда вы импортируете функцию train_test_split, мудро используйте атрибут random_state, чтобы сохранитьпредставитель тестовых данных для всей совокупности данных.

Answer 2

Вы должны обязательно предоставить более подробную информацию.Невозможно предложить что-либо без предметной области, архитектуры модели, гиперпараметров.

Полагаю, вы жалуетесь из-за изменения точности модели.Я думаю, вы должны установить начальные значения для рандомизированных параметров, чтобы точность не менялась при тренировках в разное время, и вы можете воспроизвести свои результаты.

numpy.random.seed(1)
random.seed(1)
tf.random.set_random_seed(1) # if using tensorflow