Почему существует разница между предсказанием модели SVM для одних и тех же данных при локальном запуске на моей машине и в AWS sagemaker?

Question

Я пытаюсь развернуть модель sklearn SVM в AWS SageMaker. Но при тестировании модели, я получаю разные результаты, даже если я использую тот же hyperparameters для алгоритма, те же данные обучения и тестирования.

svm.SVC(kernel='rbf',gamma=1.0,C=10,probability=True)

Я ожидаю пять классов в выходной. Ниже приведены результаты тестовых данных, которые я получил при локальном запуске:

В SageMaker я получаю только четыре в качестве вывода для всех тестовых данных.

Answer 1

Должны ли вы пытаться установить одно и то же случайное семя везде

Попробуйте использовать np.random.seed(0) в начале вашего кода до создания экземпляра SVM

Если это не сработает, попробуйте добавить случайное состояние в вашу модель

svm.SVC(kernel='rbf',gamma=1.0,C=10,probability=True, random_state=0)