1樓：
簡單說幾個吧
1：增加資料，在我看來這是最有效的方法。但是現實中並不一定可行。
2：選擇更robust的模型，比如random forest等。
3：增加regularization，很可能模型複雜度過高，捕捉到了過多的噪音。
4：對資料處理，比如PCA降噪，data augmentation增加魯棒性。
2樓：
了解資料集是構建穩定模型的基礎條件:
超參優化是提高模型穩定性的最簡單粗暴的做法:
特徵工程能夠提高模型效能的上限:
綜合實戰案例:
3樓：去太平洋游泳
提高穩定性，其實就是增強模型的擬合能力。主要有以下幾種方式:
1.資料清洗，主要就是把雜訊去除，挑選出高質量的資料。有時候對於耦合類的樣本，模型根本不知道你想要幹嘛。比如你識別騾子到底是驢還是馬，有點為難了。
2.資料增益。以影象為例，將同乙個樣本旋轉，翻轉，調整亮度對比度飽和度。
3.選擇合適的演算法。對同乙個問題，不同的演算法會得到不同的效果。選擇合適大小的網路擬合資料，引數量過大容易過擬合，參數量小容易欠擬合。
4.採用adboost思想，多個演算法進行融合。
4樓：
整合學習（Ensemble Learning）可以提高模型健壯性。比如混合（Blend）多個隨機數種子訓練的模型，或者混合交叉驗證訓練出來的多個模型，再或者混合多種不同的模型。
5樓：雲空塵
「模擬退火」技術：每次迭代時允許接受「次優解」，同時其接受概率隨著迭代次數逐漸降低，保證演算法穩定；
使用隨機梯度下降：每次迭代求最優解時引入一定的擾動；
——《機器學習》P.107
平面排版中有哪些方法可以提高排版效率？
設計師歐陽威 我先糾正乙個點，雜誌和畫冊很少使用預設的0字距的，最多的是 20 10之間，而且需要控制間距行距和段落，分欄 如果想要排版速度加快的最好的做法就是仔細閱讀文案，儘量減少修改次數，知道客戶真正想要表現什麼，這樣你的表達才是真的有用，修改次數少了，速度自然就快了 威John的個人主頁 站酷...
機器學習中有哪些緩解spurious correlation的方法？
我覺得現有的probability框架下無法緩解，你所謂的spurious是自己主觀認為的，在probability裡都是相關性，沒有任何區別，要緩解你就需要explicitly告訴model那種是spurious的，比如引入causal model OwlLite 當今機器學習 特別地，深度學習 ...
有哪些學習習慣或者方法，可以幫助中學生提高成績或者改變以前學習方式
崔冕 巴別塔 2018 02 27作者巴別塔 怎樣才能幫助學生好好學習？這是乙個亙古不變的話題哈。老師有時候別總是自己想，你想的其實也不一定對喲。讓學生自己開口，說出他們的內心想法，也許幫助才更大，見效才更快。好，今天我們特意為大家總結出了能幫助學生好好學習的20件事情，它們都是從學生口中親自說出的...