数据集是UCI上的[MHEALTH](http://archive.ics.uci.edu/ml/datasets/mhealth+dataset)数据集  --- 虽然不是第一次用ML跑出结果，但还没有做过很多的我不得不让我感叹神奇的ML，用了一个最简单的XGboost分类，13个动作类，啥参数都没改，啥模型都没有，9个去预测一个类 ，竟然有这个准确率。 --- 再记录一个诡异的问题，就是完全一样的超参数 ``` param = {'max_depth': 6, 'eta': 1, 'silent': 1, 'tree_method': 'gpu_hist', 'seed': RANDOMSEED, 'objective': 'multi:softmax', 'num_class': 13} ``` 区别只是这里的`'tree_method': 'gpu_hist'`，即是否使用GPU就造成了这样的准确率差距，`'seed': RANDOMSEED`也把随机数设置成一样的了，还tm会出问题，真神奇了啊。 看到有网友说是同样的随机数种子在CPU和GPU上产生的随机数也并不一致造成的，感觉没这么简单，但也还是先mark一下。 Loading... 数据集是UCI上的[MHEALTH](http://archive.ics.uci.edu/ml/datasets/mhealth+dataset)数据集  --- 虽然不是第一次用ML跑出结果，但还没有做过很多的我不得不让我感叹神奇的ML，用了一个最简单的XGboost分类，13个动作类，啥参数都没改，啥模型都没有，9个去预测一个类 ，竟然有这个准确率。 --- 再记录一个诡异的问题，就是完全一样的超参数 ``` param = {'max_depth': 6, 'eta': 1, 'silent': 1, 'tree_method': 'gpu_hist', 'seed': RANDOMSEED, 'objective': 'multi:softmax', 'num_class': 13} ``` 区别只是这里的`'tree_method': 'gpu_hist'`，即是否使用GPU就造成了这样的准确率差距，`'seed': RANDOMSEED`也把随机数设置成一样的了，还tm会出问题，真神奇了啊。 看到有网友说是同样的随机数种子在CPU和GPU上产生的随机数也并不一致造成的，感觉没这么简单，但也还是先mark一下。 Last modification：September 8, 2022 © Reprint prohibited Support Appreciate the author Like 逢年过节，欢迎投喂