有没有懂机器学习的 V 友，有偿长期合作，帮忙指教检查一下代码。

[ZedRover]

深度学习吗 我平时做 tabular 数据跟时序数据多一点

[Yuhyeong]

什么方向，最近做 StableDiffusion 多一些。传统机器学习也没什么问题

[seetheworld]

@ZedRover 不是深度学习，就是传统机器学习，新手，不太懂如何保证训练出来的模型（比如 RF 、XGBoots ）是正确的，没有过拟合或欠拟合

[seetheworld]

@Yuhyeong 是传统机器学习，最近写了一个代码，训练出来了一个 RF 模型，在训练集和测试集上的 R^2 都达到了几乎是 1 ，不知道是不是有问题

[Yuhyeong]

强化学习？这个没怎么接触过

[Yuhyeong]

@Yuhyeong 刚看成 RL 了，有点太传统了，这个属实记不起来了

[jasonlee16819]

菜狗 AI 训练师一枚，只知道训模型，数据或者模型训练方法层面上了解的比较多

[kkjz]

sklearn 包+dl 的 cv ，欢迎交流~

[kkjz]

@kkjz 也是菜狗，想找找讨论的地方）

[airqj]

@seetheworld #4 是不是训练集数据分布不均匀

[seetheworld]

@jasonlee16819 模型训出来，如何判断靠不靠谱，目前很迷茫

[seetheworld]

@airqj 意思是数据范围跨度不够广？集中在某一范围内么？

[seetheworld]

@kkjz 我们也是用的 sklearn 包，摸索学习阶段，多多交流

[fengzc]

各种指标对一对 什么 PR F1 （去看看每个指标的意义）就能看出是不是过拟合和欠拟合了，也可以去找找更多的数据集试试？一般机器学习在小规模数据集上到 1 其实都是可能的，因为一些特征可能给大家摸索烂了

[leopod1995]

多跑点数据集试试呢？

https://www.heywhale.com 推荐一个国内的平台

[seetheworld]

@fengzc PR F1 是不是分类器的指标？我们训练的是 RF 回归模型，看的 R^2 ，RMSE, MAE 。在训练集上 R^2 是 1 ，MAE=0.4, RMSE=4.2 ，在测试集上 R^2=0.96, MAE=1.2, RMSE=11.2 。但纯看这几个指标不知道能否确定模型是否正确。

[v24radiant]

RF 是指随机森林吗?怎么不试一下 xgboost?

[Sawyerhou]

机器学习应该有三个数据集，训练、验证、测试，你是省略了一个？
R 方是线性回归的评估指标，非线性的不太适用，
你这个 R 方非常高，是课本数据？生产中 R 方应该不会这么高
模型收敛了，可以满足场景需求就可以了，其他不用太在意

[Djaron]

一直在做 ML 和 DL ，绿色软件: Vy1KZWZmcmV5LURvbmc=

[jasonlee16819]

@seetheworld
首先得确定数据，训验集划分是否正确，数量，分布情况如何？是否有数据集泄漏或者同源情况，是否是训练集过大而测试集过小或丰富度远不如训练集的情况......
上边也有一些大佬说了这些问题，比如过拟合啥的

[DigitalG]

说起来，机器学习/AI ，有什么比较活跃的社区吗？ reddit/huggingface/AutoDL 姑且都算 这类，还有没有别的。

[seetheworld]

@v24radiant 是的随机森林，下一步准备去试 XGBoost ，但这之前想把随机森林搞搞清楚

[lovegoogle]

AI 深度学习，机器学习（从 svm 到集成都做过），有自己的服务器，接过多个有关项目，需要合作可联系~

[seetheworld]

@lovegoogle 可否加 wx：gyn2013216 进一步交流

[seetheworld]

@jasonlee16819 嗯嗯，谢谢建议，去仔细检查分析下

[lkx4102]

1 、看你训练集、测试集的 MAE ，RMSE 说明你的模型已经过拟合了
2 、R^2 = 1 - MSE/VAR ，看测试集的 RMSE 是比价大的，MSE 应该是会比较的大，那可能就是测试集的方差特别大
3 、随机森林不适合做回归预测

[lkx4102]

@lkx4102 绿色软件 bGt4NjA0Cg==

[seetheworld]

@lkx4102 这是什么呀 T_T

[lkx4102]

@seetheworld 微信，base64 编码

[airqj]

@seetheworld #12 是的

[cbythe434]

测试集表现差比较多，参数调整下吧，深度搞浅一点，样本数量阈值拔一拔

[Jimmyisme]

居然能在 v2 看到机器学习，强烈建议 op 做一下 kaggle 的 https://www.kaggle.com/learn/intro-to-machine-learning ；
这上面有很多讲解，而且因为 notebook 都是有奖牌的，所以都会做的很 fancy 。比自己看书学有意思很多。

[Jimmyisme]

前几年还能看到 ml 的金牌，但是最近几年的比赛 ml 都不太 work 了哈哈

[reoah2]

划分好训练集，验证集，测试集

[fengzc]

@seetheworld 对的（ PR 等），我感觉这个 R 方等于 1 ，很大情况是和上面几位说的数据上有问题，应该是有大佬在帮 op 了，祝顺利哈哈

[seetheworld]

@Jimmyisme 感谢，去看了一下，确实挺不错的。