测试无监督机器学习算法

Question

在整个互联网上，我可以看到有监督和无监督的机器学习算法的应用，但没有人在谈论保持机器学习应用的质量。 最近关于如何测试无监督机器学习算法的分析提出了这些要点：

1）交叉验证测试：数据集分为相等的折叠（部分）和所有折叠，除了一个用作训练数据集，后来用作测试数据集

几乎没有多少选择使用测试和训练数据集。
有没有更有效的方法来测试输出不确定的无监督ML算法？

Answer 1

根据您使用的算法类型（以及选择的距离），您仍然可以尝试查看组内的差异和组内的差异是否发生了很大变化。

如果您的算法仍然与构建算法时一样好，那么它们之间的差异和方差之间的差异不会发生太大变化。如果收缩（或反向）之间的差异，则意味着您的算法不能像以前那样将组分开。

你可以尝试的第二件事是保留一些观察结果（你知道它们被很好地分类），以便在重新训练你的算法后看看它们是否仍在同一组中。如果没有，这并不意味着您的算法是错误的，但在这种情况下您可以发送警报以更深入地查看。