Design Patterns für Machine Learning

KAPITEL 6

Entwurfsmuster für Reproduzierbarkeit

Software-Best-Practices wie zum Beispiel Unit-Tests gehen davon aus, dass ausgeführter Code eine deterministische Ausgabe liefert:

def sigmoid(x):

return 1.0 / (1 + np.exp(-x))

class TestSigmoid(unittest.TestCase):

def test_zero(self):

self.assertAlmostEqual(sigmoid(0), 0.5)

def test_neginf(self):

self.assertAlmostEqual(sigmoid(float("-inf")), 0)

def test_inf(self):

self.assertAlmostEqual(sigmoid(float("inf")), 1)

Beim maschinellen Lernen ist eine derartige Reproduzierbarkeit schwierig. Beim Training werden ML-Modelle mit Zufallswerten initialisiert und dann basierend auf den Trainingsdaten angepasst. Wenn Sie aber in dem von scikit-learn implementierten einfachen k-Means-Algorithmus random_state ...