我正在尝试创建一个模型,将我的数据分为训练(70%)、验证(15%)和测试(15%)集。运行模型后,我得到了一些准确性(ROC)和一些值(value)我的混淆矩阵。但是每次我不断改变种子值,它都会影响我的输出。我该如何解决这个问题?这是预期的行为吗?如果是这样,我怎样才能得出选择哪个值作为最终输出的结论?
最佳答案
set.seed()
定义生成随机值的起点。使用相同的种子运行分析应该返回相同的结果。使用不同的种子可能会导致不同的输出。在您的情况下,可能是因为训练、验证和测试的划分不同。
如果差异很小,可以接受,那么您的模型对于训练、测试和验证中的不同分割来说是稳健的。如果差异很大,则您的模型不稳健,不值得信任。您将必须更改数据的分割方式(分层可能会有所帮助)或修改模型。
关于r - 种子值会影响 R 中训练数据的结果吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36174185/