我用神经网络模型和随机森林模型运行了一组时间序列数据。对于神经网络,我将数据标准化,将其分为测试20%,验证和训练80%。采用Keras库神经网络,here.The的准确率为85%(每次得到不同的精度)。对于随机森林,我没有对数据进行标准化,测试列车的分割率分别为20%和80%,我在这里使用了scikit学习。我得到93%的精度.Here时间序列数据以及使用。难道我不应该得到与神经网络相似的精确度吗?我做错了什么?(我在那里读一些论文,它们有类似的准确性。这就是为什么我要问。随机森林也能过关吗?我的一辆是不是太合适了?!
发布于 2020-12-01 23:27:18
不同的模型会给出不同的准确性。同样的模型也可以给你不同的准确性。您可以尝试将种子设置为预定义的值,以便在相同的模型结果中获得更多的一致性。
发布于 2020-12-02 21:50:41
将模型视为将输入特性映射到响应变量的函数。随机森林分类器/回归器始终是一个分段常数函数。神经网络是连续函数(它们是线性映射和连续激活函数的连续实现)。它们总是不同的,所以你的工作在这里是准确的。
对于一致性问题,请尝试设置上面提到的种子。此外,尝试添加交叉验证到您的模型,以避免太好/太糟糕的随机选择。
https://datascience.stackexchange.com/questions/86175
复制相似问题