即使训练和测试数据相同，分类器在每次训练时都会给出不同的结果

Question

对培训和测试数据进行酸洗和加载。但结果（准确度和f-度量）似乎每次都变化，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？我所指的分类器是极限学习机。

Answer 1

取决于您选择的分类算法。如果您选择随机森林之类的东西，每次学习新模型时，都可以进行这样的观察。

Answer 2

输出的权重有多大不同？你得到不同的参数吗？

请记住，许多算法都是从不同的随机种子开始的，这使得它们在不同的实验组中表现不同。

产出有何不同？它们有很大的不同吗？如果是这种情况，也许你需要让它运行更长时间。

正如有人所说，你必须使用交叉验证来找到最佳参数集，为此你需要旋转你的训练和数据集。