К содержанию
Quantoros

Почему обученное отображение RBFSampler нужно сохранять, а не заново рандомизировать для каждого инференсного батча?

Classic MLУровень: ПрактикаRandom feature reproducibility

Почему обученное отображение RBFSampler нужно сохранять, а не заново рандомизировать для каждого инференсного батча?

Подсказки
  • Случайная система координат тоже должна фиксироваться.
  • Одинаковая размерность не означает одинаковые признаки.

Ответ

Коэффициенты следующей модели относятся к конкретным случайным признакам. Новая рандомизация меняет их смысл и ломает предиктор, даже при прежних gamma и размерности.

Источник и лицензия: scikit-learn 1.7.2 — kernel approximation · BSD-3-Clause · ответ: редакция Quantoros · перевод: Quantoros

Похожие вопросы