为什么训练时测试准确率大幅度波动_实战：把一个机器学习项目的准确率从0.65提升到0.98...

在一幢建筑里要看到三样东西：它是否被正确的选址，它是否被牢固的奠基，它是否被成功的建造——约翰·沃尔夫冈·冯·歌德

大家好，我是今天的值班编辑，今天是中华民族最隆重、最热闹的传统节日，小编在此祝您全家新年快乐。财源滚滚随春到，喜气洋洋伴福来。骐骥一跃奔锦绣，大地流金万象新。高居宝地财兴旺，福照家门富生辉。欢聚一堂迎新春，欢天喜地度佳节。

小编之前在这个公众号里面挖过一个坑，写过一篇文章《25行python代码实现一个机器学习项目》，在文章中，小编用25行python代码训练的机器学习分类模型(决策树模型)的准确率得分为0.65，距离1.0还比较遥远。今天就来讲一讲如何提高模型的准确率。

提高模型准确率的多种方法

以小编几年来搞机器学习分类模型的经验来看，面对一个快速搭建起来的模型，有如下几种方法都可以(在一定程度上)提升模型的准确率：

1)使用更多数据去训练模型。

对于一个刚刚搭建起来的模型，使用更多数据去训练的方法非常的行之有效；此方法的不足之处在于，数据越多则模型的训练速度越慢，小编曾经见过一个模型训练一轮要一周左右的时间，等结果等的人望眼欲穿。

而且，还有可能存在更悲