我正在运行一种机器学习算法来回答对/错问题。 假设我使用分类算法。 运行1200个数据后，我获得了30％的准确性。
但是后来，我提出了第二种算法，总是否定第一种算法的答案 因此它的准确度是70％
这是否适合第二种算法？假设我的第一个算法一致地预测了30％的准确性
答案 0 :(得分：0)
对您的问题。 我觉得这个答案取决于您选择的机器学习模型和训练集。大多数ML模型最初都会犯错误。在您的情况下，如果算法2的训练集为70％，可能意味着它擅长预测错误的事情？如果我正确理解这一点？尽管这在数据开头否定ML答案可能是正确的，但这不是一个好主意。更好的主意是正确准备数据并在最适合您模型的数据集上进行训练。
大多数机器学习模型都会犯错误，这注定会发生。但是培训集和所有这些数据可以帮助您选择正确的模型。数据准备是正确设置培训的关键。我知道我到处弹跳。对此我深表歉意
例如，我们可能有一个逻辑回归模型，我们想确定有一定条件的人与没有条件的人。我们要做的第一件事是正确准备我们的数据，然后对其进行训练（这是简短版本），但我的观点是训练模型非常重要，它允许您的ML模型能够预测其准确性。
我应该说我真的很喜欢机器学习/深度学习，但我绝不是专家。我强烈推荐这门课，尽管这是我开始了解基础知识的方式。