文章/答案/技术大牛

发布

社区首页 >问答首页 >在选择最佳参数时考虑精度或标准差的混淆

问在选择最佳参数时考虑精度或标准差的混淆
EN

Data Science用户

提问于 2019-09-21 13:57:54

回答 1查看 273关注 0票数 2

我有一个模型需要测试各种参数。

我拥有的数据集的大小并不大(大约500个文档)。

我的问题是，当我用10 CV测试参数时，有些参数产生了较高的精度值，但折皱的标准差值(折叠的精度值)很高。

例如。

Model setup 1: acc: 0.81, STD: 0.23
Model setup 2: acc: 0.76, STD: 0.05

安装1有较高的精度，但std高，其中安装2有较低的精度，但更稳定的结果。

因此，我如何选择最好的模式？

scikit-learn

grid-search

python

classification

回答 1

Data Science用户

回答已采纳

发布于 2019-09-21 23:10:57

您完全正确地注意到跨简历折叠的std开发，特别是一个小的数据集。正如您所观察到的，不同的模型为性能显示了不同的值，但对于std开发也显示了不同的值，因此您必须在性能和稳定性之间进行权衡：

选择精度低、方差小的模型是安全的选择。它可能并不总是表现得最好，但至少它不会表现得太糟糕。
高风险的选择是高精度、高方差的模型:平均来说，它的表现最好，但你有更高的风险，它实际上表现不佳。

这种选择取决于上下文，即模型的目的是什么。

票数 2

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/60549

复制

相似问题

问在选择最佳参数时考虑精度或标准差的混淆
EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问在选择最佳参数时考虑精度或标准差的混淆EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问在选择最佳参数时考虑精度或标准差的混淆
EN