尽管种子值不同，但 Weka 的预测结果一致答案

【问题标题】：consistent prediction results in Weka despite different seeds value尽管种子值不同，但 Weka 的预测结果一致
【发布时间】：2019-09-15 13:24:36
【问题描述】：

我在 Iris 数据集上使用 Weka 3.8.3 多层感知器。我有 75 个训练实例和 75 个测试实例。问题是无论我如何更改“种子”参数，它都不会对准确性产生太大影响。几乎总是下面的统计数据。种子是用来随机初始化权重的吗？有人可以帮忙解释为什么它会这样吗？非常感谢。

=== Summary ===

 Correctly Classified Instances          70               93.3333 %
 Incorrectly Classified Instances         5                6.6667 %

【问题讨论】：

标签： machine-learning neural-network classification weka

【解决方案1】：

我尝试了同样的事情（使用单选按钮训练和测试 50% 百分比拆分）并得到 72 和 3，其中 XVal / %拆分为 1 的随机种子。

当我将随机种子更改为 777（或 666 或 54321）时，我得到 73 和 2，这是不同的结果，所以我无法复制您所看到的。

随机种子为 0，我得到 71 和 4。

【讨论】：

感谢您的帮助。使用 0 或 777,666 在所有情况下我得到 70 和 5.. 不知道我做错了什么.. 有没有办法可以设置初始权重，比如将它们全部设置为 0 或 0.1？我用谷歌搜索但找不到解决方案
不确定正在考虑哪些权重。默认情况下，每个实例的权重为 1。如果您有不相等的类（例如，A 类有 10,000 个，B 类有 100 个），您可能希望使用 Class Balancer 过滤器（一个受监督的实例过滤器）为两个班。 AdaBoostM1（元分类器）在连续迭代中更重地加权不正确的实例，以改进它们的预测。所以有很多潜在的权重。