首页 文章

测试无监督机器学习算法

提问于
浏览
1

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程序的质量 . 最近关于如何测试无监督机器学习算法的分析提出了以下几点:

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

关于使用测试和训练数据集的更多选择 .
有没有更有效的方法来测试输出不确定的无监督ML算法?

1 回答

  • 0

    根据您使用的算法类型(和选择的距离),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的算法一样好,那么它之间的方差和方差应该不会发生太大变化 . 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),以便在重新训练算法后它们是否仍然在同一组中 . 如果没有,这并不意味着您的算法错误,但您可以在这种情况下发送警报以更深入地查看 .

相关问题