如何解决用新数据重新训练分类器会产生大量的类变化
我每天都在 15 万条记录上训练 XGBoost 二进制分类器。 每天，大约有 500 条记录添加到训练集。 测试集（推理）10M 记录，无标签。 我注意到连续几天训练的两个模型对相同的记录（高达 10% 的推理数据）产生了根本不同的预测。 我现在尝试过的：
- 设置相同的种子和参数。
- 不同的分类器。
我担心的是，该模型的泛化程度不够，因此每日预测会发生重大变化。 我很想知道解决这个问题的可能方法
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
