我正在训练一个深度学习模型，使用3个随机种子上的5倍CV (随机种子用于模型初始化，CV拆分一次)。对于每个折叠，我保存最好的模型。因此，在模拟之后，我得到了15个模型。为了评估性能，我取了这15个模型中的最好的(在整个评估过程中没有变化)，并使用每个<em
浏览 28提问于2020-01-10得票数 0
2回答
通常，堆叠算法使用K-折叠交叉验证技术来预测用于二级预测的oof验证。在时间序列数据(如股票走势预测)的情况下，不能使用K-折叠交叉验证，而时间序列验证(一种在sklearn lib上提出的)适合于评估模型的</e
浏览 0提问于2018-11-18得票数 5
回答已采纳
1回答
Cross-validation
嗨，我正在使用Weka在我的MSc论文中部署机器学习模型。我已经注意到，当我在训练数据集中使用10倍交叉验证时，与在整个数据集上没有交叉验证的情况下训练模型相比，我得到了较低的评估指标，如果我在测试数据集上测试该模型时获得更
浏览 0提问于2021-01-23得票数 0
我的目标是试验不同算法的各种方法，确定每种算法的最佳方法，然后从这些顶级算法中确定最佳的总体算法。
为了实现这一点，我使用k重交叉验证来评估每一种方法。在进行了评估之后，我选择了产生最优度量的方法。我通过改变技术和步骤尝试了不同的方法。为了评估它们的
浏览 0提问于2023-06-01得票数 0
回答已采纳
在评估推荐系统时，可以将其数据分成三部分:培训、验证和测试集。在这种情况下，培训集将用于从数据中学习推荐模型，而验证集将用于选择要使用的最佳模型或参数。然后，使用所选择的模型，用户可以使用测试集来评估其算法的性能。我已经找到了一个scikit学习交叉验证()的文档页面，它说，
浏览 5提问于2017-04-05得票数 0
回答已采纳
1回答
我刚开始深造，我想用U-Net做语义切分，我听说其中一种让我的结果更好的策略就是使用交叉验证，而这种方法在深度学习中并不是很流行。我做了一些研究，以找出如何在我的数据集上实现它，但我找不到可靠的答案。你能帮我实现5倍交叉验证吗？我应该在5倍上训练1型吗？这在我看来是不正确的，因为为什么我不应该只是在整个训练数据
浏览 14提问于2022-11-04得票数 0
回答已采纳
我有一个关于交叉验证的问题:我使用朴素的Bayes分类器对博客文章进行分类。当我验证我的数据集而没有k-折叠交叉验证时，我得到了一个0.6的精度分数，但当我进行k-折叠交叉验证时，每一个折叠都会呈现出一个更高的精度(大于0.8)。例如：
(手动拆分)：验证
浏览 2提问于2015-02-20得票数 0
回答已采纳
1回答
我有一个回归问题，所以我尝试了一些回归模型来选择最好的模型(基于RMSLE)，以下是结果：下面是所有的模型= ('LR'，LinearRegression()，(‘LR’，PolynomialFeaturesRandomForestRegressor()，('GBM'，GradientBoostingRegressor())，('XGB'，XGBRegressor())，('LGBM'，LGBMRegressor())
浏览 0提问于2023-03-23得票数 1
1回答
关于K次交叉验证的问题
、、、
在机器学习过程中，假设我们选择了k=10作为“K-折叠交叉验证”。在完成“K-折叠交叉验证”的k步后，如何选择分类器的最终模型？(我们将用它来预测新的数据)
浏览 0提问于2018-05-08得票数 2
回答已采纳
1回答
验证集的验证过程-非k次交叉验证
、、、、
我对python和机器学习很陌生，我很难理解验证步骤，我也想对当我不想使用k-折叠交叉验证，而只是使用验证集时，应该做什么有一个建议。我一直在阅读，似乎无法正确理解k-折叠交叉验证：
我是否将初始数据分割成k个折叠，然后在k-1上进行训练，在左1上进行测试，保持向后旋转--所以每个
浏览 2提问于2019-05-23得票数 1
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，在交叉验证的循环中，不太可能出现从一次运行到下一次的</em
浏览 0提问于2022-03-05得票数 10
1回答
我有一个来自污染传感器的数据，我想验证一下。我正在将它与来自londonair.org.uk的数据进行比较。我用X轴上的传感器数据和Y轴上的Londonair数据建立了一个简单的线性回归模型，并得到了一个简单的模型(以y=mx +c的形式)。我的教授让我用k折交叉验证来验证模型</em
浏览 1提问于2019-07-13得票数 0
回答已采纳
3回答
我不知道什么是正确的方式，使用早期停止与交叉验证梯度增强算法。对于简单的训练/有效分割，我们可以使用有效的数据集作为早期停止的评估数据集，在重新修改时使用最佳的迭代次数。但是，如果交叉验证类似k-折叠，我的直觉是使用每个折叠<em
浏览 0提问于2020-05-17得票数 17
1回答
假设我想使用随机森林模型来预测未来的数据。我正在考虑两种方法来训练这个模型，选择最好的超参数，并将这个模型投入生产。这两种方法的不同之处在于，第一种方法将数据分割成训练和测试集，而第二种方法没有。1)
modelUse 将数据分解为列车和测试集(80/20)，在列车数据集上使用k重交叉</e
浏览 9提问于2020-11-20得票数 0
2回答
v=wjILv3-UGM8关于k折叠交叉验证(CV)的视频讲座。视频讲座中给出的算法如下：
对于k= 1:5的列车，除k得到模型外，M_{\tilde{k}}在k上的计算精度为A_k端，计算最终交叉验证精度：A = > \frac{1}{5}\sum_{k=1}^5根据他的说法，我们要么把所有的模型结合起来，并在此基础上做
浏览 0提问于2020-10-23得票数 3
回答已采纳
1回答
如何确定我的机器学习模型的最佳策略？例如，让我们考虑一个场景，其中我正在处理线性回归，并希望比较三种不同的方法。第一种方法涉及使用所有特征作为输入，第二种方法需要手动选择最相关的特征作为输入，第三种方法涉及到实现主成分分析(PCA)。考虑到这三种方法，是否应该使用k-折叠交叉验证来评估
浏览 0提问于2023-06-01得票数 0
因此，据我所知，交叉验证是用来确定最佳模型的。假设我使用的是5倍交叉验证，这意味着我必须制作5种不同
浏览 0提问于2018-09-29得票数 1
回答已采纳
4回答
我对交叉验证方法和训练验证-测试方法有疑问。火车:我们训练模特。测试:以前从未见过数据。我们得到了一个不偏不倚的最终估计。附图如下：然后我遇到了K折叠交叉验证方法，而我不明白的是我如何将测试子集与上面的方法联系起来。也就是说，在5
浏览 0提问于2019-05-26得票数 26
回答已采纳
我有一个主要的方法来产生多个过程(在交叉验证中训练k-折叠)，因为我想同时训练所有的折叠。, args=(model, i, outputpath, n_iter, dropout, batchsize))
p.start() 最后，我想要做的是运行一个函数来评估结果我只能在所有过程都完成并且所有模型都已创建后才能进
浏览 11提问于2019-05-24得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
