Database 机器学习存储分类结果

我有一些任务的数据集

我想尝试不同的方法并存储结果以供进一步分析，此外，最好将分类结果存储在测试数据上，以查看分类在不同示例中的成功情况

如果有任何特定的应用程序来存储不同分类的结果，比如我会指定不同分类的参数，然后进行分析，存储有趣的示例等等

当然，第一个想法是使用DB，但是当我试图了解每个分类有多少不同的参数时，我知道将会有一个非常复杂的DB方案

---

因此，在创建这样一个方案之前，我想知道您是否已经创建了用于此目的的内容。

您只需将结果输出到CSV文件，例如以以下格式：

index_of_instance,classification 

并将它们与表示参数/设计选择的文件名或目录一起存储。

---

文件名可以表示您的参数。假设您正在运行一个具有{100200500}棵树和{0,10,20}最大深度的随机林。您的文件名可以是100_0.csv、200_0.csv等。您还可以保存您所在的交叉验证文件夹，例如：0_100_0.csv。通过这种方式，您可以在以后使用unix命令、Excel或更复杂的软件包（如R）的简单组合轻松地分析结果。

您可以简单地将结果输出到CSV文件，例如以以下格式输出：

index_of_instance,classification 

并将它们与表示参数/设计选择的文件名或目录一起存储。

---

文件名可以表示您的参数。假设您正在运行一个具有{100200500}棵树和{0,10,20}最大深度的随机林。您的文件名可以是100_0.csv、200_0.csv等。您还可以保存您所在的交叉验证文件夹，例如：0_100_0.csv。通过这种方式，您可以在以后轻松地使用unix命令、Excel或更复杂的软件包（如R）组合分析结果。

非常感谢您的回答，我目前的做法非常类似，我认为可能有更可扩展的解决方案，当我尝试使用许多不同的参数进行许多不同的分类时，DB方法可能会有所帮助，但是每个分类的参数集是不同的，因此很容易升级。没问题。这个kaggle线程可能有一些帮助：我做了一些类似的事情，但发现在文件名中提供参数的名称及其值很有用，例如，

trees=100，depth=10，fold=1.csv

。这样，当你在一两个月后回头查看数据时，你的眼睛就不会交叉了。非常感谢你的回答，我目前做的事情非常类似，我认为可能有更可扩展的解决方案，当我尝试使用许多不同的参数进行许多不同的分类时，DB方法可能会有所帮助，但是，每个分类的参数集是不同的，因此很容易升级。没有问题。这个kaggle线程可能有一些帮助：我做了一些类似的事情，但发现在文件名中提供参数的名称及其值很有用，例如，

trees=100，depth=10，fold=1.csv

。这样，当你在一两个月后回头看数据时，你的眼睛就不会交叉了。