Saaiery en verspreiding
Waarom dit saak maak Graaf dieselfde model twee keer met verskillende seeds en jy kry verskillende tellings. Tot jy weet hoe groot daardie wissel is, kan jy nie sê of enige verandering gehelp het nie.
Hier besluit die seed drie dinge: watter beelde in die training en test sets beland, die beginwegte en die volgorde van die data. Nie een van hulle moet saak maak nie, maar almal maak 'n bietjie saak. So train altyd verskeie seeds, en rapporteer die gemiddelde en die spreiding (standard deviation), nooit 'n enkele run nie.
'n ruwe reël om twee instellings te vergelyk, elk gemiddeld oor n seeds: die verskil van die twee gemiddele wissel met ongeveer die spread times sqrt(2 / n) (elke gemiddelde wissel met spread / sqrt(n), en twee onafhanklike wisselings tel by in kwadrate). 'n Verskil kleiner as ongeveer twee keer daardie is nie een wat jy kan vertrou nie. Met 5 seeds en 'n spread van 0.02, is dit 2 times 0.02 times sqrt(0.4) = 0.025.
Skryf seed_report(n_seeds) wat (mean, std) van train_and_score oor saad 0 tot n_seeds - 1 teruggee. Gebruik np.std soos dit is (dit deel deur n; om deur n - 1, ddof=1, te deel, word ook aanvaar). Stel dan wobble in op die spreiding oor 5 saad.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.