如何分辨机器学习模型的学习者类型

Posted 2023-04-18

【中文标题】如何分辨机器学习模型的学习者类型

【英文标题】：How to tell the learner type of machine learning models

【发布时间】：2016-04-21 08:05:39

【问题描述】：

这是我第一次使用 Azure 机器学习...

当我使用相同的训练数据和测试数据训练了 2 个模型时，在评估模型时，它会显示错误

所有模型必须具有相同的学习器类型

你知道什么是机器学习模型的“学习者类型”以及如何分辨模型的学习者类型吗？

下面是我在 Azure 机器学习上的基本实践截图：

【问题讨论】：

你可以阅读this

【参考方案1】：

您比较的模型应该属于同一类型 - 二元分类、回归、多类分类等。例如，您无法将线性回归的有效性与逻辑回归的有效性进行比较。他们解决的任务完全不同。

这就是您的情况 - 您尝试将线性回归（输出真实值）与尝试将输入分类到某个类的多类决策森林进行比较。

【参考方案2】：

您要比较的第一个模型是具有连续目标变量的回归模型，它预测数据的连续值。

示例：衡量“质量”的连续尺度，例如 70.6、80.5、90 等。

您要比较的第二个模型是目标变量中包含多个类的分类模型，并将您的数据分类（也预测）到这些多个类中。

示例：您现在的质量衡量标准是“差”、“好”、“好”

您尝试对这两个模型进行相互评估，但这是行不通的，因为它们不会给出相同/相似的输出。

因此，当 Azure ML 说学习者类型时 - 这里可能意味着“学习输出连续值”与“学习输出类”。