如何选择最合适的机器学习算法

Question

在频繁运行机器学习算法时，在这种情况下，如何为特定数据集选择最佳拟合算法的准确性正在发生变化。

Answer 1

您绝对应该提供更多详细信息。没有域，模型架构，超参数，就不可能提出任何建议。

我猜您是在因模型准确性的变化而抱怨。我认为您应该为随机参数设置种子，以便在训练不同时间时准确性不会改变，并且可以重现结果。

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

Answer 2

让我们假设，问题是每次我们通过将预测响应与Testdata Dependent值（Y）进行比较来运行准确性时，都使用相同的数据集X（训练）。 如果在运行模型时精度似乎不断变化，那么问题就出在“采样偏差”上（“训练数据”和“测试数据”的划分仍然是一个谜）。

当导入train_test_split函数时，请明智地使用random_state属性，以使测试数据代表总体数据。