我正在尝试使用here的朴素贝叶斯分类器代码。我为dataset.The问题使用了5个折叠，测试和训练数据集在每个折叠中都会发生变化，因此每次执行时精度也会发生变化。但我需要一个固定的准确性结果。我正在尝试使用一些样本数据集来获得结果。我的Jupyter代码如下： import numpy as np
from random import ran
浏览 15提问于2021-07-13得票数 0
回答已采纳
由于对训练集进行了预随机化，我使用sklearn.ensemble.RandomForestClassifier获得了令人惊讶的显着性能提升(交叉验证精度增益+10%)。这对我来说非常令人费解，因为(a) RandomForestClassifier假设无论如何都会对训练数据进行随机化；以及(b)为什么示例的顺序如此重要？
有什么好的建议吗？
浏览 1提问于2016-02-16得票数 0
2回答
我读到在KNN算法中我们需要交叉验证，因为我们从KNN的训练测试中发现的K值可能无法对未见数据进行泛化。给出的逻辑是，在求K值时使用测试数据集，因此KNN-算法具有测试数据集的信息，因为K是通过测试数据集发现的。这和看不见的</em
浏览 0提问于2022-01-09得票数 0
3回答
我们如何确定神经网络的效率？
、、、、
我训练了一个用于二进制分类的前向神经网络，我获得了83%的精度，这一点(我希望)以后会通过改变输入参数来提高。但有些测试让我感到困惑：
我的数据集长度为671，因此我将其划分为513个火车集、58个验证集和100个测试集。当我改变我的集合的大小(训练，验证，测试)时，准确度分数会下降到一些很低的分数，比如40
浏览 0提问于2019-07-25得票数 0
回答已采纳
2回答
我使用k-折叠交叉验证，但不明白它的目的。在分割训练和测试数据集中的数据集之前，通常会对数据集的条目进行随机化。给定训练数据集，进行k次交叉验证，目的是预先估计模型的性能。在随机化的情况下，在交叉验证<e
浏览 0提问于2022-03-05得票数 10
我正在考虑为使用PyTorch实现的前馈神经网络实现一种超参数整定方法。loss =criterion(ypred_var, y_var) optimizer.step()我的问题是双重的(没有双关<e
浏览 2提问于2020-03-25得票数 0
回答已采纳
5回答
如果我们有4个参数X_train，y_train，X_test和y_test，我们如何计算像线性回归这样的机器学习算法的偏差和方差？
我已经搜索了很多，但我没有找到一个代码来解决这个问题。
浏览 1提问于2019-03-21得票数 0
3回答
我曾经使用K-折叠交叉验证来对我的机器学习模型进行稳健的评估。但我也意识到了这种引导方法的存在。然而，我看不出它们在业绩评估方面的主要区别。据我所见，引导也产生了一定数量的随机training+testing子集(尽管方式不同)，那么使用这种方法比CV有什么好处呢？我唯一能发现的是，在引导的情况下，一个人可以人为地产生任意数量的这样的</
浏览 0提问于2018-05-28得票数 52
回答已采纳
有人能解释为什么增加交叉验证中的折叠数会增加每个折叠中分数的变化(或标准差)吗？我认为增加更多的数据会减少方差-如果我的理解是正确的，增加更多的折叠会增加提供给每一次匹配的数据量？但是，似乎越多
浏览 0提问于2020-02-23得票数 4
回答已采纳
我已经生成了培训案例，但我不知道验证和测试集是什么。
我有这个训练代码，但是我不知道什么时候停止训练。:编辑给定验证数据的输入/大小，平均误差=验证目标和</
浏览 11提问于2010-06-04得票数 168
回答已采纳
3回答
当我们做k-折叠交叉验证时，我们应该仅仅使用具有最高测试精度的分类器吗？从交叉验证中获取分类器的最佳方法通常是什么？
浏览 0提问于2016-09-13得票数 15
回答已采纳
2回答
标记数据异常检测中的交叉验证
、、、、
我正在从事一个项目，在那里我训练异常检测算法，隔离森林和自动编码器。我的数据是标记的，所以我有基本的真实性，但问题的性质需要无监督/半监督异常检测方法，而不是简单的分类。因此，我将只使用标签进行验证。
既然我不会用标签来训练模型，而不像在有监督的学习中使用X_train、X_test、y_train和y_test，那么在这里进行模型<e
浏览 0提问于2020-07-16得票数 1
1回答
我对语义分割领域非常陌生，最近我尝试运行本文提供的代码:在上可用的。它是一个使用BraTS2020数据集的语义分割任务，由T1、T1ce、T2和FLAIR四种模式组成。然而，训练和验证的准确性似乎是正常的，只是模型在测试数据上表现不佳，我选择了在过度拟合之前产生的模型(验证损失开始增加，但培训损失仍在减少)，但产生了同样糟糕<e
浏览 2提问于2021-03-18得票数 1
回答已采纳
1回答
我已经将顺序前向选择应用到我的数据集上，该数据集有214个样本和515个特征(2个类问题)。特征选择算法选择了8个特征。现在我已经将svm (MATLAB)应用于这8个特性。下表给出了算法的正确率(训练数据集)以及使用的特征集。所取得的结果是：
20我应该
浏览 0提问于2016-08-08得票数 4
回答已采纳
我有一个二进制分类问题，类比较均衡(57%-43%)，使用随机森林分类器的GridSearch获得了最佳的超参数，并应用该模型进行了训练和测试。现在我在火车上有99%的准确度，在测试中有96%。要知道，这是我GridSearch的GridSearch'max_depth' :
浏览 0提问于2022-12-27得票数 2
5回答
因此，我有两种分类方法，判别分析diaglinear分类(朴素贝叶斯)和纯朴素贝叶斯分类器，在整个数据集中有23个类。我只做了一轮交叉验证，我是新的matlab和监督/无监督的算法，所以我自己做交叉验证。我基本上把10%的数据放在一边进行测试，因为每次都是随机设置的。为了做到这一点，他们为数据找到了最
浏览 8提问于2012-11-18得票数 8
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号