不同随机种子得到不同网格搜索结果的问题

Question

请问一下，我在分割原始数据的时候采用不同的随机数种子random_state
最后网格搜索得到的最优参数weights、n_neighbors、p也不一样，那针对我的这组原始数据，到底使用哪一个网格搜索的结果生产的模型来预测？

Answer 1

liuyubobobo 2020-01-05 04:01:37

首先，标准的做法应该使用交叉验证。实际上，我们调用 sklearn 的网格搜索方式 GridSearchCV，就已经使用了交叉验证的方式。GridSearchCV 中的 CV，就是 Cross Valdate，即交叉验证的意思。交叉验证将让搜索结果更稳定，关于交叉验证的原理，在这个课程后续会介绍。

另一方面，如果网格搜索的结果极度不稳定，真正的解决方案是增大数据量（当然也要保证质量）。搜索结果不稳定，说明当前的数据不足以让算法找到一个稳定可靠的模型来解释问题。遇到这种情况，解决问题的关键不在算法本身，而在数据上。毕竟，机器学习的基础，是数据。

这个课程的内容，是在假定数据已经有了的基础上，介绍机器学习算法的原理。但是在实际运用机器学习的过程中，很多时候，瓶颈是数据，而非算法。可以再回忆一下免费的午餐定理。这也是为什么，数据是值钱的。数据的作用，比大多数人想象的，要重要得多。

继续加油！：）