1回答
我有一个像这样的训练集。[i] feature[i][1] feature[i][2] ... feature[i][j]
假设一些样本(行)具有可能产生类似输出的“良好”值组合，而其他样本(行)具有“坏”值组合，因此难以预测我的目标是，通过摆脱那些缺乏规律性的坏样本，我想提高最终的准确性。谁能告诉我，有什么最好的算法或预处理可以自动检测这些样本，以便只训练好<e
浏览 8提问于2017-06-23得票数 0
对于一个二项式回归/分类问题，我使用glmnet在具有大约200个预测器和100个样本的训练集上构建了一个预测模型。
我选择了给我最大AUC的最佳模型(16个预测值)。我有一个独立的测试集，其中只有那些变量(16个预测值)，它们进入了训练集中的最终模型。有没有办法将基于训练集中最优模型的</e
浏览 1提问于2013-08-25得票数 4
1回答
鸟类的视频分类
、、、
我正在做一个项目，任务是对鸟类的视频进行分类，并对物种进行预测。我尝试使用机器学习模型，最初是为深入行动识别而设计的，并针对我的数据集进行了调整。老鼠)R dhake (Robin)Inget objekt (无对象)📷
方法目前，我已经为时态段网
浏览 0提问于2018-04-14得票数 3
我有一个非常小的数据集(40个训练示例、10个验证示例、120个类)，对于这些数据集，我在Keras中使用了一个非常简单的模型(仅限于批规范、扁平和密集层)，获得了非常高的精度。我的训练准确率为94-95%，验证准确率为76-78%.我知道这太合适了，我试过几样东西。数据不是图像，所以我不能增加数据。我也不能添加数据，因为它是一个特定的类型。我使用了两个0.5层<
浏览 0提问于2017-06-05得票数 3
回答已采纳
1回答
在机器学习讲座幻灯片中，有人说没有针对KNN的特定模型，其中数据是KNN的模型。然而，对于KNN，它被写入数据就是模型。这句话我不清楚，我的问题是为什么数据是KNN的模型？
浏览 0提问于2020-05-20得票数 1
我有50个病人的数据集。这些病人经过多年的追踪，在某种程度上随机间隔地测量了几千个特征。我正试图预测一个特定的结果(这是一个回归问题)，这个结果可以是一次，两次，或者是每名患者在整个跟踪期间的三次。到目前为止，我一直假设每个结果特征都是Y向量中的一个数据点，并且使用最近的时间点来测量患者的特征。我希望我的最后一个模型能够从一个特性度量中预测结果变
浏览 0提问于2018-07-09得票数 0
3回答
我正在使用scikit-学习分类我的数据，目前我正在运行一个简单的DecisionTree分类器。我有三节课有一个很大的不平衡问题。类是0,1和2，小班是1和2。为了让您了解这些类的样本数量：1 = 15/20 less or more因此，次要类约占数据集的0.06%。我解决这个不平衡问题的方法是辅导班<em
浏览 0提问于2018-11-09得票数 2
回答已采纳
我是机器学习新手，当我尝试在.predict()上执行X_test方法时，我会遇到这个错误。我也不理解reshape的概念:为什么我们需要这样做？
浏览 0提问于2019-01-26得票数 0
1回答
攀爬的步骤是什么？
、、、
我阅读了adaboost教程，下面是我的简化理解：仅使用数据集中的一个特性创建树桩。
利用总误差和样本权重计算出残端重要性。改变样本权重，即用高重要性的树桩错误地预测样本，使样本重量增加，其余的样本重量按相同的顺序
浏览 0提问于2020-01-09得票数 1
回答已采纳
1回答
大多数真实世界的数据集都有缺少值的特性。将缺失值替换为适当的值(如平均值)是特征工程中的一个很好的步骤。有时，我们还会在输入特性列以训练模型之前对其进行标准化/规范化。在建模之前，我们还将数据集拆分为培训和测试集。
我的第一个问题是如何在这个分裂的数据集中进行特性工程？我们是使用未分割特征的全局平均值来替换训练和测试集中</em
浏览 0提问于2020-12-16得票数 4
如果我只有684行和177列的数据集，而我要预测的列有3个标签，那么优化Sklearn分类器中的参数的最佳方法是什么？我知道我应该将数据分成训练、验证和测试集，然后找到参数来训练训练集，使验证集中的度量最大化，并在测试集中使用这个优化的分类器。但是，当我使用决策树分类器执行此操作时，对验证集最有效的</
浏览 0提问于2019-08-07得票数 0
回答已采纳
1回答
我目前正在使用tensorflow创建一个神经网络来进行基本的二进制分类，并且我想在训练后检查模型的偏差。
我有一个大约300,000个样本的数据集，每个样本都有一个包含112个特征的列表。在训练之前，我们已经选择了20个我们想用来预测的特征--种族是数据集中的一个特征，但它不用于训练神经网络。我想要的
浏览 0提问于2022-06-07得票数 0
1回答
精度函数
、
这两种精确度之间的区别是什么：fcast<-forecast(fit,6)fcast<-forecast(fit,6)当我没有像第一种情况那样在精度函数中指定实际值时，精度函数是如何工作的。其次，计算精度的正确方法是什么
浏览 0提问于2017-03-27得票数 1
回答已采纳
4回答
关于滑雪板随机森林的简单问题：
在随机森林的R实现(称为randomForest )中，有一个选项sampsize()。这允许您根据结果来平衡用于训练每棵树的样本。例如，如果
浏览 2提问于2013-11-27得票数 6
回答已采纳
2回答
., data = traindata, ...)训练一个模型，并使用predict(... newdata = newdata, ...)进行预测。我的问题是:培训数据和新数据是否需要相同的格式(顺序和变量数量)？
如果对象适合使用gbm.fit，则将不存在术语组件。因此，用户有更大的责任确保新数据的格式(顺序和变量数)与最初用于模型的</
浏览 5提问于2016-02-12得票数 0
1回答
假设我们有一些与我们试图预测的目标值有关的特征的记录。所有记录都遵循相同的通用底层模式，并由RandomForestRegressor很好地学习。现在，假设所有记录都添加了一个分类特性，可以将其编码为附加信息，以提高模型的预测能力。到现在为止还好。但是现在，假设我们想要使用对数据进行训练的回归器，包括分类特性，来预测记录中没有表示在训练数据中<e
浏览 1提问于2016-11-07得票数 0
回答已采纳
2回答
当我用3倍交叉验证训练和测试我的网络时，它对所有情况都提供了100 %的准确性，前提是我在将输入数据划分为训练和测试集之前将它们标准化。当我使用先训练的网络(标准化的一个)模型对训练集中存在的几个随机数据集进行测试时，如果不进行规范化(因为外部世界的数据不能标准化，因为我们处理单个实例)，它将所有样本预
浏览 3提问于2013-12-13得票数 0
回答已采纳
1回答
我想计算样本外测试集预测中机器学习回归的RMSE的置信区间。
我的训练集是样本的前80%，“样本外”测试集是样本的最后20%。我将测试集预测的RMSE视为样本外性能，并希望计算此RMSE的CI。我的一个想法是对前80%的训练集进行重新采样，但每次迭代都使用相同的</e
浏览 14提问于2018-02-19得票数 1
以下是一些数据： id timestamp full_sq2 30475 1661716617 40.505 30478 16617 40.00有一些缺失的值没有显示在上面，所以我使用preProcess从插入符号填充它们的中值：
p.full.medians <- predict(prePro
浏览 6提问于2017-05-10得票数 1
回答已采纳
2回答
这个想法是手动标记一组短的推文，并训练分类器来预测其余的标签。监督学习。我想知道的是，是否有一种方法可以选择要包括在训练集中的样本，使该训练集能够很好地代表整个数据集，并且由于训练集中包含的高度多样性，经过训练的分类器具有相当大的可信度，可以应用于其余<em
浏览 0提问于2019-05-12得票数 2
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
