分类器在每次训练时即使使用相同的数据集,得到的结果也不同

训练数据和测试数据已经被序列化并加载。但是即使使用相同的训练数据进行训练,并用相同的测试数据进行测试,结果(准确率和F-measure)每次似乎都有所不同。这是怎么回事?我所指的分类器是极限学习机(Extreme Learning Machine)。


回答:

这取决于你选择的分类算法。如果你选择了像随机森林这样的算法,每次都会学习到一个新的模型,因此这种现象是可能发生的。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注