基于线性模型的缺失值预测
是一种利用线性模型来预测数据集中缺失值的方法。在数据分析和机器学习中，缺失值是指数据集中某些属性的值是未知或不可用的情况。缺失值的存在可能会影响数据分析和模型训练的准确性和可靠性，因此需要采取合适的方法来处理缺失值。
基于线性模型的缺失值预测方法的基本思想是利用已有的数据特征和标签之间的线性关系来推断缺失值。具体步骤包括以下几个方面：
- 数据预处理：首先需要对数据集进行预处理，包括缺失值的处理、数据清洗和特征选择等。常见的缺失值处理方法包括删除缺失值、插补缺失值和使用特殊值表示缺失值。
- 特征工程：根据具体问题和数据集的特点，进行特征工程，包括特征提取、特征转换和特征选择等。特征工程的目的是提取和构造对预测目标有用的特征。
- 线性模型训练：选择合适的线性模型，如线性回归、岭回归、Lasso回归等，利用已有的特征和标签数据进行模型训练。线性模型的训练过程可以使用梯度下降等优化算法来求解模型参数。
- 缺失值预测：利用训练好的线性模型，对含有缺失值的数据进行预测。通过将缺失值所在的特征作为输入，利用线性模型预测得到缺失值的估计结果。
基于线性模型的缺失值预测方法的优势包括简单易实现、计算效率高、对大规模数据集适用性强等。它适用于缺失值较少、特征与标签之间存在线性关系的情况。
在云计算领域，基于线性模型的缺失值预测可以应用于数据分析、机器学习和人工智能等场景。例如，在大规模数据集中，存在缺失值的情况下，可以利用线性模型来预测缺失值，从而提高数据分析和模型训练的准确性。
腾讯云提供了一系列与数据处理和机器学习相关的产品和服务，可以支持基于线性模型的缺失值预测。其中，腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）提供了丰富的机器学习算法和模型训练工具，可以用于线性模型的训练和预测。腾讯云数据处理平台（https://cloud.tencent.com/product/dp）提供了数据清洗、特征工程和数据预处理等功能，可以辅助缺失值的处理和特征工程。
相关·内容
1回答
我想在这里执行空值分析。在这里，我提到了数据集的前两行 Shop_name Bikes_avaiable Shop_location Average_price_of_bikes Rating_of_shop
NYC Velo Ninja,hbx Salida 5685$ 4.2
Bike Gallery dtr,mtg,Harley Davidson Por
浏览 16提问于2020-06-28得票数 0
1回答
我正面临着我的一个项目的两难处境。其中一个变量(数值)没有足够的数据，即几乎99%的数据丢失。然而，在与领域专家交谈时，似乎特定的变量对于我们试图解决的问题(模型)很重要。最初，我考虑将其转换为二进制变量，这样1将表示该变量在该位置的值，而0将表示缺失的值。然而，我们这样做似乎是在漏掉信息。
有谁能建议前进的路吗？
我有一个想法，就是用分位数来离散变量，然后如何处理丢失的值呢？
另一种方法是在模型中同时包含二进制变量和原始变量，并将缺失的值替换为一些估算值。但是，对于为什么或为什么不起作用，我无法提出任何逻辑推理。
任何关于这件事的说明都会有很大的帮助(当然，除了完全放弃之外)。
谢谢。
浏览 0提问于2019-02-08得票数 1
1回答
我试图使用线性回归方法与范畴变量。因此，我认为最好采用基于虚拟的方法。我知道dataset的delivery_cost列中存在一些缺失的值。通过is.null()，我发现有17个值丢失了。
我知道送货成本是线性的(在不同的方式下，商店的每一家分店，如阳光、鞋类等)
variabledist_to_nearest_storehouse是一个连续的variableseasons是一个离散的变量(因此夏季，春天，冬天，秋天将被视为虚拟)
我也需要小心，因为isLoyaltyProgram (0-不是忠诚的一部分，1-忠诚的一部分) delivery_cost是贴现的10%
我首先想知道，使用线性回归
浏览 3提问于2021-05-19得票数 0
3回答
我有一个32,000的数据集，我为它建立了一个线性模型。~12,000次观测因缺失而被删除。
我试图使用预测函数来回溯32,000个数据点中每个点的期望值，但正如预期的那样，这会给出“替换有20000行，数据有32000行”的错误。
，我是否可以使用在20,000行上建立的模型来预测32,000行的数据呢？对于模型中使用的每一列都没有结果的观测，我很高兴得到“零”。如果没有，我如何才能至少正确地对32,000个数据集进行子集，使其只包括20,000个完整的观测数据？例如，如果我的模型是lm(a ~ x+y+Z，data=data)，我如何过滤数据以只包含x、y和z中的完整数据？。
浏览 5提问于2020-05-17得票数 2
2回答
所以我很快就明白了，在你的一些观察中，处理缺少特征值(S)是日常数据生活的一部分。我明白了归责的要点，什么时候/怎样合适，什么时候不合适，我会在不久的将来读到。但是，这个呢：
假设您有预测器$X_1、\dots、X_p$，并且希望通过逻辑回归来建模二进制响应$Y$。与其将值归为缺失的预测值，不如为每个可能的预测器子集建立一个单独的模型，并在这些预测器出现时应用该模型进行预测吗？这些模型中的每一种都很自然地只针对那些预测器(以及其他模型)存在的数据进行培训。在我看来，这是一种比编造价值更合理的方法，但我对此没有任何理论依据。
我确实意识到，这涉及到构建$2^p不同的模型，以及$2^p不同的模型矩
浏览 0提问于2018-05-25得票数 3
回答已采纳
2回答
在R中使用RMS包预测生存？
、、、、
我正在使用RMS包中的函数survest来生成生存概率。我希望能够获取我的数据的一个子集，并通过survest传递它。我已经开发了一个这样做的for循环。这将运行并输出每组预测值的生存概率。
for (i in 1:nrow(df)){
row <- df[i,]
print(row)
surv=survest(fit, row, times=365)
print(surv)
}
我的第一个问题是，是否有一种方法可以使用survest来预测中位生存期，而不是必须指定特定的时间范围，或者是否有更好的函数可以使用？
其次，我希望能够仅使用我的cox模型的五个预测因子中的四
浏览 0提问于2018-03-27得票数 1
我想做一个回归，根据下面的示例表中的其他列预测“值”。数据是通过单一指标收集的，而不是跨越所有数据点收集的，因此产生了许多NaN/空白值：
value age education gender
32.3 Male
31.8 Female
32.8 High school
33.8 Technical school
26.4 College gradu
浏览 0提问于2018-12-08得票数 0
回答已采纳
3回答
部分未知向量的最近邻
、、、、
假设我们有人员列表，并且希望找到像person X这样的人。
特征向量有3项[weight, height, age]，在我们的列表中有3人。注意，，我们不知道人的身高C，。
A: [70kg, 170cm, 60y]
B: [60kg, 169cm, 50y]
C: [60kg, ?, 50y]
找到最接近A的人的最好方法是什么？
我猜
让我们计算高度的平均值，用它代替未知的值。
因此，假设我们计算出170cm是身高的平均值，并将person C重新定义为[60kg, ~170cm, 50y]。
现在我们可以找到离A最近的人了，那就是A, C, B。
问题
现在的问题是，我们把C和猜
浏览 4提问于2017-09-23得票数 1
2回答
? datax <- matrix(1:32, nrow = 8)
datax[2:5,1] <- NA
m <- data.frame(datax)
names(m)[c(1:4)] <- c("Length", "Width", "sex", "height")
model <- glm(Length ~ Width + sex + height, data = m) 如何根据模型预测NA值(代码仅作为示例) 我有一个包含15个变量的数据集，response变量缺少一些值。如何根据此数据
浏览 20提问于2020-04-15得票数 1
回答已采纳
2回答
我正在训练一个基于树的模型(例如xgb)。我有一些功能，超过90%的值常数。由于数据的变化最小，它是否为模型增加了价值？如果我使用线性回归模型，同样的影响会是什么？
浏览 0提问于2022-07-28得票数 0
回答已采纳
我在分析一个房地产数据集。虽然所有的回归假设都失败了，但我的XGBoosting模型却蓬勃发展。我是不是遗漏了什么？在这种情况下，XGBoost仅仅是一个优越的模型吗？数据集约有67.000个观测值和30个变量。
浏览 2提问于2019-07-28得票数 0
回答已采纳
1回答
什么是PCA和老鼠？
、、、
我在做一个关于Azure ML的实验。在预处理我的数据时，可以选择使用PCA或老鼠来清除丢失的数据。
请给我一个例子，说明我如何决定选择哪一个选项。
浏览 0提问于2017-06-12得票数 -2
回答已采纳
3回答
我的数据如下：
📷
birth_date缺少634,990个值
gender缺少328,849个值
由于我有900 k项，这两项都是相当大的数量，所以我不能丢弃空行。对于birth_date，有人建议使用链式方程(小鼠)的多变量计算。我不知道我应该为gender使用什么预测模型。在未缺少的数据中，男性比女性多5倍。
谁能告诉我这里最好的做法是什么？填充gender缺失值的最佳方法是什么？
我使用这些数据来预测骑自行车的时间和最终目的地(我知道这些数据显示在上表中)。
浏览 0提问于2019-05-07得票数 5
回答已采纳
我正在尝试探索在数据集中输入缺失值的方法。我的数据集包含年份(2001-2009)、月份(1-12)、性别(男/女)和AgeGroup(4组)的发生次数(非自然、自然和总和)。
我正在探索的一种估算技术是(泊松)回归估算。
假设我的数据是这样的：
Year Month Gender AgeGroup Unnatural Natural Total
569 2006 5 Male 15up 278 820 1098
570 2006 6 Male 15up 273 851 1124
571 2006
浏览 0提问于2011-08-02得票数 5
情境:一家商店销售A& B服务，我们有每项服务的每日销售/收入/利润的历史数据。该商店感兴趣的是，他们是否应该为更多的服务A或服务B在未来的员工。他们有固定的员工基础(不能雇用或解雇)，但雇员可以在执行服务A和服务B之间进行交换。此外，从历史上看，每项服务的员工总数变化不大，例如一家商店全年可能有3名服务A和4名服务B，然后第二年有5名服务A和4名服务B。
目标:就如何为服务A和服务B分配员工提供建议，以使未来利润最大化。
想法:我们拥有的数据是时间序列格式的，所以ARIMA模型可以预测销售额，但是我如何计算服务A和服务B之间的分配呢？
浏览 0提问于2021-09-14得票数 1
使用分类特性，我们可以看到BigQuery ML通过在创建的模型上运行ML.WEIGHTS自动创建"_null_filler“虚拟变量，这是有意义的。
在数字特性的情况下，丢失的值是用平均值还是其他什么来计算的？这两种行为是否在官方文档中提到过？
浏览 1提问于2018-12-11得票数 3
回答已采纳
1回答
我有一个时间序列(ts)，并使用MARSS包创建状态空间模型。
fit = MARSS(ts)
给出了参数估计、状态估计(fit$states)及其标准误差(fit$states.se)。
但这些估计只是针对历史数据系列的。
关于如何生成这些矩阵模型，有一个很好的教程。
但是，如何使用历史模型输出矩阵进行新的矩阵估计，并预测未来的1，2，3个周期？
浏览 2提问于2012-07-08得票数 1
4回答
我成功地建立了一个基于数据集的logistic回归预测模型，该模型是完整的、干净的，即不存在缺失值，而且数据是一致的。现在，为了部署模型并对其进行在线测试，输入中缺少值，也就是说，并非所有输入都可用于预测目标值。
有什么标准的方法来处理这个问题吗？
浏览 0提问于2016-10-19得票数 0
回答已采纳
1回答
我在r中建立了一个logistic回归模型，试图预测板球比赛的结果。然而，我的模型产生的概率值大于1。输出是1.031704，对于如何改进我的模型以获得概率的精确估计有什么建议吗？
set.seed(1)
#Use 70% of dataset as training set and remaining 30% as testing set
sample <- sample(c(TRUE, FALSE), nrow(ODIMT), replace=TRUE, prob=c(0.7,0.3))
train <- ODIMT[sample, ]
test <- ODIMT[!s
浏览 7提问于2022-09-14得票数 1
在TensorFlow库中，tf.estimator.LinearClassifier类在线性回归模型中做什么？(换句话说，它是用来干什么的？)
浏览 0提问于2020-08-01得票数 2
回答已采纳
我对时间序列建模和状态模型非常陌生，并试图理解状态模型中的AR模型。假设我的数据记录y为1000个样本，并在y上拟合AR (1)模型。然后，我以y_pred的形式从这个模型中生成样本预测.我这样做是因为
from statsmodels.tsa.ar_model import AutoReg
model = AutoReg(y,1).fit()
y_pred = model.predict()
我使用model.params获得模型的参数。
我想知道，在估计模型参数之后，状态模型是如何计算样本内预测的？为了前夫。y_pred[10]是如何计算的？
如果这个问题太基本，我很抱歉，谢谢你的帮助。
浏览 4提问于2021-04-23得票数 1
回答已采纳
1回答
有没有人可以推荐一个决策树分类器的实现，在Matlab中，可以增量使用？
我已经找到了classregtree类，但我找不到针对增量情况的特殊参数。
浏览 1提问于2013-06-07得票数 0
假设我们处理的是连续的特性和响应。我们拟合一个线性回归模型(假设一阶)，在CV之后，我们得到了一个好的r^2 (假设是r^2=0.8)。
为什么我们要选择其他的ML算法？我读过一些研究论文，他们尝试了不同的ML算法，并以简单的线性模型作为基本模型进行比较。在这些论文中，线性模型优于其他算法，我很难理解的是为什么我们会选择其他的ML算法呢？为什么我们不能满足于线性模型，特别是在其他算法表现不佳的具体情况下？
另一个问题是，如果这些算法表现不佳，他们在研究论文中介绍其他算法会得到什么好处？
浏览 8提问于2022-08-17得票数 -1
让我们假设我有一个有噪声的2d数据集，其中一个观察数据的人可以很容易地在数据中画一条直线，从而使均方误差最小化。
该线的模型采用y = mx + b形式，其中x为输入值，y为模型的预测值，m和b为训练变量，以使成本最小化。
我的问题是，如果我们将一些输入x1插入到模型中，它总是输出相同的数字，而不考虑数据有多稀疏。像这样的模型如何从相同的输入中预测不同的值？
也许可以这样做，将所有的错误从模型行到点，对它们进行分布，获取这种分布的期望值，然后将该值添加到y中。
浏览 6提问于2017-04-01得票数 0
回答已采纳
1回答
机器学习中的堆叠建模建议
、、、
我已经在训练数据集上建立了几个模型，我对结果不满意，我希望把它们结合在一起，生成一个新的模型，所以我的想法是，因为我已经有了现有模型的结果，我想在原始特征数据集之上创建一个新的数据集，将现有模型结果作为单独的特性，应用聚类来过滤原始数据集中的一些数据，并希望在所有相同的模型之间训练模型，并获得结果，这会被称为叠加建模吗？
浏览 0提问于2019-10-18得票数 3
回答已采纳
我想使用predict()和polr()模型来预测变量z，如下所示。这首先是df来训练模型和后续的test数据。
df <- data.frame(x=c(1, 2, 1, 2, 1, 1, 2, 1, 2, 1, 1, 1, 2, 2, 1, 2, 1, 1, 2, 2),
y=c(32, 67, 12, 89, 45, 78, 43, 47, 14, 67, 16, 36, 25, 23, 56, 26, 35, 79, 13, 44),
z=as.factor(c(1, 2, 3, 2, 1, 2, 3, 2, 1
浏览 0提问于2019-01-18得票数 0
1回答
哪种模型最适合半正弦数据？
、、、、
我有一个记录，其中包含特定站点的每月最高和最低温度。该记录显示了从1908年1月到2012年3月的每个月的信息。但是，一些温度值已被清除。
Sample Data
yyyy month tmax tmin
1908 January 5.0 -1.4
1908 February 7.3 1.9
1908 March 6.2 0.3
1908 April Missing_1 2.1
1908 May Missing_2 7.7
1908 June 17.7
浏览 0提问于2015-04-30得票数 0
2回答
keras模型上的特征选择
、、、、
我试图为我的回归模型的输出找到最好的特征，以下是我的代码。
seed = 7
np.random.seed(seed)
estimators = []
estimators.append(('mlp', KerasRegressor(build_fn=baseline_model, epochs=3,
batch_size=20)))
pipeline = Pipeline(estimators)
rfe = RFE(estimator= pipeline, n_features_to_select=5)
fit = rfe
浏览 2提问于2018-05-06得票数 6
回答已采纳
1回答
我有一个(可能是愚蠢的)问题，就是用一个缺失的预测器来预测一个新实例。
我得到了一份数据。假设我对数据进行预处理，清理数据，因此，假设只剩下10个预测器。然后，我根据得到的数据训练我的模型，所以我准备使用模型来预测。
现在，如果我想预测缺少1或2个预测器的新实例，该怎么办？
浏览 1提问于2017-10-05得票数 1
回答已采纳
3回答
有时丢失数据的机器学习
、、、、
我试图做一个基于我的路由器上的RSSI信号的室内定位系统，我正在嗅探我的网络，所以我知道我的手机的RSSI与我的路由器天线相关的是什么(我的房子里到处都是5个天线)。
iPhone并不总是在广播探测请求，所以我只实时地知道与设备连接到的路由器相关的RSSI信号，而没有其他路由器。为了简单地理解:我有时拥有与5个路由器相关的设备的RSSI，有时只与3个路由器相关，在最坏的情况下，我的数据只有1，所以我的数据有时如下所示：
room: 1, device_id: 1, rssi1: -80, rssi2: unknown, rssi3: -55, rssi4: unknown, rssi5: un
浏览 0提问于2016-06-27得票数 2
2回答
用于销售预测的模型是什么？
、、、、
我想预测一下公司的销售额。我尝试使用LSTM，但我找到的所有示例都只使用了两个变量(时间和销售额)。
这一页提到时间序列只使用两个变量，但我认为这不足以建立一个好的预测。在这之后，我发现了不同的“多特征”选项，比如sklearn或回归树中的多项式回归和PolynomialFeatures。我还没有用这些最后的算法写脚本，那么我想知道你关于使用哪种模型的建议。
谢谢。
浏览 2提问于2019-11-22得票数 0
我建立了一个时间序列模型，对具有年度季节性的作物科学数据进行月度观测(2012至2018年的月度观测值)。购买植保产品的农民还取决于降雨时间。同样的产品在11月份、12月份和1月份也有高峰。
我已经构建了一个SARIMA模型(没有协变量)和SARIMAX模型(有协变量)。协变量为平均降雨量、累计降雨量、平均温度、最低温度、最高温度、平均湿度等
这里的主要问题是，我的SARIMAX模型应该比SARIMA模型提供更好的精度，因为我们有协变量帮助模型更好地预测。我的假设正确吗？
目前，SARIMA在这里给了我更好的准确性。
浏览 1提问于2019-12-19得票数 0
2回答
对于数据集，我想使用xgboost进行$n$预测的最佳组合，而不是仅仅使用它们的算术平均值进行组合。我发现xgboost生成的预测比moedl所能选择的组合的许多$n$个人预测更糟糕。
我不知道为何会这样。为了说明我的观察结果，我创建了下面的玩具数据集。人工目标变量是由$$y = \frac{x_1+x_2}{2}，\，\mbox{with } x_1，x_2 \sim N(0,1) $$生成的，考虑到$y$与$x_1$和$x_2$的确定性关系，xgboost可以做出完美的预测，但不能。线性模型很容易做到。因为这是我能想到的最简单的多元线性回归模型，所以xgboost失败了，我想知道它的含义。
浏览 0提问于2018-06-01得票数 2
1回答
我正在进行一项元分析，其中我感兴趣的是X对年龄对生境使用的影响(原始平均值和方差)。
我的一个模型的例子是：
mod6 <-
rma.mv(
yi = Used_value,
V = Used_variance,
slab = Citation,
mods = ~ Age + poly(Slope, degrees = 2),
random = ~ 1 | Region,
data = vel.focal,
method = "ML"
)
我不使用引文作为随机效应的理由是，仅使用区域比使用random = l
浏览 6提问于2022-08-01得票数 0
通过多重相关，我指的是：
如果我正确理解它，这将给出任意两个x_1, x_2之间的相关性，以及它们与目标变量y之间的关系。至少这就是我要找的。任何其他方法也会有帮助。如何检查是否有关联不是一个变量与我的目标，而是两个或更多的一起。
这不是由：实现的。
我应该选择使用线性回归还是一些简单的ML模型？对我来说，了解哪些变量在我的模型中有多强是很重要的，所以要把它重建成一个公式。
浏览 0提问于2021-04-20得票数 2
1回答
我们有两个时间序列列-- A列是参考列(真理来源)，B列是A列的“表亲”，即它表现(或应该)与A栏相同的模式、演变、变化率等。
然而，在某些时期，由于wtv原因，B列值开始出现异常值，我们可以将其归类为异常值。我们很乐意将这些值作为异常值删除。
现在，考虑到不平等的时间序列(删除B列的异常值后)，希望探索机器学习技术，将数据归罪到B列中，以A列作为参考或真相来源，有效地复制A列的行为，将丢失的数据归责于B列。
我研究了许多要使用的模型、回归模型、LTSM模型等，希望获得一些专门知识，以帮助阐明哪种技术最适合手头的问题陈述。
浏览 0提问于2019-09-05得票数 1
2回答
我正在创建一个模型，该模型收集来自多个源的数据，并为跨这些源的实例确定一个信任级别(即。所有的来源都有不同的特性，但都有一行'Foo'，'Bar'，等等，我想要一个信心水平)。问题是，我并不总是拥有来自所有来源的数据，这影响了我在运行最终培训模型时所拥有的特性的数量。
我已经考虑过为数据输入的每一个排列创建一个不同的模型，即。如果有来自数据来源A、B和C的可能输入，那么我将有一个为(A，B，C)，(A，B)，(A，C)和(B，C)训练的模型，但是这很快就会成为很多模型。
我还想让不存在0的数据的特性，向模型表明应该有一个较低的置信度，但所表示的数据实际上可能有0
浏览 0提问于2023-01-07得票数 1
回答已采纳
1回答
关于激活功能工作机制的混淆
、、、、
对于二进制分类，无论使用何种模型，sigmoid函数对于输出层都是一个很好的选择，因为实际的输出值‘Y’要么是0，要么是1，因此预测的输出值在0到1之间是有意义的。
我的困惑是，在输出层中是否存在一个二元步长函数，它将权重和输入的线性组合的值压缩为0或1？分类是否意味着总是在隐藏层的线性或非线性函数之上应用阈值函数？
假设预测的产值为0.75，实际Y为0。那么，0.75如何转换为1呢？损失函数按实际预测= 0-0.75 = -0.75计算误差。
有人能解释一下数学或指出一些工作步骤显示的链接吗？谢谢。
浏览 0提问于2019-06-17得票数 1
回答已采纳
1回答
我使用glm()函数实现了一个模型，并将家庭分布指定为gamma：
glmer(FirstSteeringTime ~ error_rate + (1 + error_rate | pNum), family = Gamma, data = modellingdata)
我知道，您可以将链接函数，如“标识”或“日志”应用于伽马分布。因此，我有两个问题：
1)当我指定我的模型时，默认的链接函数是什么？
2)不同链接功能的目的是什么？我搞不懂他们对我数据的影响.
任何帮助都是非常感谢的--谢谢！
浏览 4提问于2019-08-29得票数 1
回答已采纳
1回答
我抓取了一个房地产网站，并希望使用线性回归计算总面积的缺失数据(约40%缺失)。我使用价格、房间、卧室、浴室和化妆间的数量来达到最佳效果。 Correlation matrix 将价格添加到房间信息中会产生很大的差异。这是有道理的，因为房间的数量本身并不能为您提供关于这些房间可能有多大的任何信息。价格可以减少一些不确定性。包含价格的模型和不包括价格的模型的R^2得分之间存在20分的差异(0.62比0.82)。 我看到的问题是，我的最终模型也可能是以价格为目标的线性回归。因此，将价格包括在预测总面积以进行估算似乎是错误的。因此，我的最终模型看起来会更好，但我已经设计了一个合成相关性。这一点尤其
浏览 11提问于2020-08-15得票数 0
1回答
我试图用神经网络作为高维函数的插值器。
我们这样做是为了避免物理模型的需要，该模型精确地计算这个函数，但运行起来却很昂贵。我们有一个过去运行的这个物理模型的数据集，我们现在可以用它作为插值的基础。
输入是一个由28个参数值组成的集合。
我们试图估计的输出由432个周期函数的形状组成(即沿圆周的432个不同函数的值)。我们知道输出是由28个输入值唯一决定的，没有噪音。
例如，这里有一个周期函数。对于这个例子，它只采样了12个点(尽管在生产中，我们将对它进行更精细的采样，可能是一个圆周围的36个点)。
📷
我目前的神经网络Keras实现是：
输入层:28个单元(每个输入参数一个)
一个隐藏层:完全
浏览 0提问于2017-11-16得票数 2
4回答
所以我的数据看起来是：
year, y, x1, x2, x3, x4
2009, 0.5, 0.4, 0.4, 0.9
2013, nan, 0.4, 0.5, 0.8
2020, 0.8, 0.39, 0.51, 0.7
数据是按年计算的，但每年之间的间隔并不一致。Y的值取决于时间和特征。但在某些情况下y丢失了，这是我最需要的。其他功能也可能会丢失，但大部分功能都在那里。我尝试过通过df.interpolate()函数来输入数据，但是大多数函数的值并不适合于区间。我尝试过ARIMA，LSTM和其他，但是他们不考虑输入特性。我也考虑过使用回归技术，但它们不包含数据的时间序列性质。
那么这个案
浏览 4提问于2020-06-17得票数 0
回答已采纳
我正在创建一个线性回归模型。为了测试准确性，我看过计算RMSE的教程，但我不知道如何从那里开始报告我的模型的准确性百分比。比如说，这个模型的预测准确率为86%。我已经看到很多出版物以这种方式报告它们的准确性。
浏览 48提问于2020-07-01得票数 1
回答已采纳
对燃油经济性数据进行logistic回归的尝试
但是得到这个错误：
ValueError: Unknown label type: 'continuous'
代码：
X = fuel.drop('Fuel Economy (MPG)', axis=1).values
y = fuel['Fuel Economy (MPG)'].values
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X = sc.fit_transform(X)
f
浏览 10提问于2022-05-23得票数 1
函数fitted()和predict()之间有区别吗？我注意到来自lme4的混合模型可以在fitted()上工作，但不能在predict()上工作。
浏览 0提问于2012-08-31得票数 54
回答已采纳
1回答
我训练了一个线性回归模型(一个带有线性回归输出的CNN )。我的输入是图像，输出是概率。现在，我想要拍摄另一张图像(与我的测试集不同)，并通过我的网络来获取概率。
我加载我的模型，权重和图像，并重塑为一个四维张量，并运行预测如下：
json_file = open('/home/model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
loaded_model.load_we
浏览 0提问于2017-10-31得票数 1
回答已采纳
1回答
如何处理dataset中的空值，以便对特定列执行功能缩放？
i.e.Should，我们保留空值，还是假设其他值？
有关于如何在特性缩放的同时处理空值的教程吗？
浏览 0提问于2022-01-08得票数 0
1回答
我有一个时间序列数据有一些缺失的日期。例如，在'2017-08-06‘下面的数据集中缺少。
📷
若要在先知模型中输入此数据，是否必须创建包含所有缺失日期的数据框架？我知道先知模型不需要在任何特定的时间内填充丢失的数据，因为它是一个基于曲线拟合的模型。但我不确定是否应该将所有日期都包括在每日时间序列预测中。非常感谢你回答我的问题。
浏览 0提问于2022-10-06得票数 4
回答已采纳
1回答
对于我训练过的模型，代码如下：
model(x[0].reshape(1,784).cuda())
返回：
tensor([[-1.9903, -4.0458, -4.1143, -4.0074, -3.5510, 7.1074]], device='cuda:0')
我的网络模型定义为：
# Hyper-parameters
input_size = 784
hidden_size = 50
num_classes = 6
num_epochs = 5000
batch_size = 1
learning_rate = 0.0001
criterion = nn
浏览 4提问于2018-08-01得票数 2
回答已采纳
我已经建立了一个小的文本分析模型，它将小的文本文件分类为好的、坏的或中立的。我用了一个支持向量机作为分类器。但是，我想知道我是否可以将这三种类型都分类为“好”或“坏”，但是如果对该文本文件的支持低于.7或某个用户指定的阈值，它会将该文本文件分类为中性的。我知道这不是最好的方法，我只是想看看如果我采取不同的方法会发生什么。
浏览 1提问于2015-04-10得票数 0
回答已采纳
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
