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