我觉得可能有人问过这个问题，但我不知道如何搜索它。基本上，我正在使用随机森林构建一个二进制分类器，并且有很多积极的结果，而不是消极的结果(2k vs ~20)。准确率当然是非常好的，因为测试集通常有0-1个负样本和超过1000个正样本。如果机器学习对于这种情况仍然可行，那么处理如此少量的负面情况的最佳方法是什么？或者数据只是无用的？
浏览 13提问于2018-07-23得票数 0
回答已采纳
1回答
二进制关联是处理多标签分类问题的一种众所周知的技术，在这种技术中，我们为一个特征的每一个可能值训练一个二进制分类器：
另一方面，自然语言处理中通常使用一个热编码器(OHE)来编码以多个值作为二进制向量的分类特征还是有技术上的差异？
浏览 2提问于2016-08-08得票数 0
回答已采纳
我正在我的数据集上测试多项NB和Bernoulli，我使用交叉验证分数来更好地理解这两种算法中哪一种更有效。这是第一个分类器：clf_multinomial = MultinomialNB()以下是分数：0.8637666498061035
这是第二个分类器，第一个<e
浏览 0提问于2020-11-30得票数 0
2回答
输出神经元比标签多？
、、、、
当我们训练一个分类问题的神经网络模型，我们通常有一个密集的输出层的大小等于我们有标签的数量。我们如何解释这样的产出？有申请吗？
浏览 0提问于2019-07-16得票数 1
1回答
对于二进制分类，我们可以选择具有1个输出的最终线性层，并使用具有阈值的sigmoid，或者具有2个输出的最终线性层，并使用softmax。其中一个比另一个有什么优势吗？
浏览 16提问于2020-07-02得票数 0
1回答
文档分类:预处理和多标签
、、、
我有一个关于单词表示算法的问题: word2Vec，doc2Vec和Tf-IDF算法中哪一个更适合处理文本分类任务？我的监督学习分类中使用的语料库由多个句子的列表组成，其中既有短句子，也有长句子。正如在this thread中所讨论的，doc2vec与word2vec的选择是文档长度的问题。至于Tf-Idf与word嵌入，这更多的是文本表示的问题。我的另一个问题是
浏览 12提问于2020-03-27得票数 1
回答已采纳
2回答
交叉熵误差计算
、、、、
我不完全理解交叉熵误差是如何计算的。由于某些负数的对数没有定义(或虚的)，并且神经网络的输出可以是一些负数(权值和偏差是随机初始化的)，所以我经常得到NaN。我该怎么避免呢？
浏览 1提问于2015-12-03得票数 1
回答已采纳
-显然，这取决于你想要如何表示输出，但说这目前无关紧要。
或者，输出节点的数量不会对网络的准确性产生影响，而只是训练网络所需的计算时间？
浏览 0提问于2012-04-29得票数 5
回答已采纳
1回答
将单标签分类器转换为多标签分类器
、、、、
为了继续我的问题:我有一个简单的图像分类器(2 2conv+ 2fc)，它在我的数据集(95% acc)上做得很好。然而，我被要求把它变成一个多标签分类器，这是通过改变：编辑
经过一些测试，我可以给出更多关于我的问题的细节。对于这两个分
浏览 0提问于2018-07-18得票数 0
1回答
我导入了一个CSV文件，其中包含ID、Price、Levy、Prod、Model和Prod的数据。我弹出了我不会从这些行中使用的行，然后继续这个过程。
浏览 23提问于2022-07-30得票数 1
为了在大约400 MB的文本数据中运行NB分类器，我需要使用向量器。vectorizer = TfidfVectorizer(min_df=2)但它是由于记忆错误而产生的。我使用的是Linux64，一个python64位版本。人们如何在Scikit中完成大数据集(文本)的矢量化过程？label_binarize
Y = np.zeros((len(y), len(classes)), dtyp
浏览 1提问于2013-12-12得票数 2
回答已采纳
LightGBM官方文件说，“scale_pos_weight”可以用来控制带有肯定类的标签的重量。
目标0占总样本的30%。目标2占总样本的10%。目标1占总样本的50%。所以课程不平衡。我是否必须编码样本相对较小的目标为阳性？在此之后，我是否要对样本数量较大</e
浏览 3提问于2020-09-26得票数 1
1回答
文章似乎以不同的方式对待它们..。也就是说，本文将对文本分类或在句子分类中的应用进行研究。
我想知道--如果一个句子对整个文本进行分类，然后根据段落的大部分句子分类，这算不算正确的文本分类？还是文本分类有不同的“捕获”？
浏览 1提问于2014-05-04得票数 0
1回答
我有一个关于处理多标签分类问题的方法的问题。在文献综述的基础上，我发现最常用的方法之一是问题转换方法.它将多标号问题转化为多个单标号问题，分类结果只是每个单标签分类器的简单结合，采用二进制相关的方法。由于单个标签问题可以被描述为二进制分类(如果有两个标签)或多类分类问题(如果
浏览 5提问于2016-03-02得票数 1
我试着理解在输出层中使用只有一个输出神经元和多个神经元的神经网络之间的区别。有谁知道区别吗？
浏览 2提问于2021-01-06得票数 0
回答已采纳
3回答
每一个数值都是一个编码的行动，病人在知道基因测试的结果后，根据病人填写的调查结果。例如，2表示:改变饮食习惯；4表示:让他/她的家庭成员接受测试等等。我认为可以这样做的一种方法是在“actionspost”中分解逗号分隔的值，为同一客户ID创建重复行，每次只保存一个“actionspost”值(例如:第一行的“actionspost”值为2，第二行的“actionspost”值为2，第三行的值为“actionspost”，第
浏览 0提问于2016-05-13得票数 0
2回答
我在MATLAB中使用了朴素贝叶斯(内置)来预测我的数据的类别标签值。我的类标签可以是{1,2,3,4,5}中的任何值。我也有testLabels。如何衡量testLabels和predictedLabels的差异是否好？我DOnt知道如何解释这个RMSE值吗？此外，对于朴素贝叶斯多类结果的评估，是否有标准的</e
浏览 2提问于2012-12-05得票数 2
1回答
目前，我有一个平衡的数据集(我人为地过采样以使其平衡)。我的类是二进制(0或1)。我想知道，在数据集具有大致相等的类平衡的情况下，“准确性”是否是使用的“最佳”度量？然而，更广泛地说，是否有一个好的“经验法则”或“最佳实践”来衡量哪个评分标准(准确性、精确性、回忆性、AUC、.)基于数据集的类标签“分发”使用。我能想到的常见情况是：0级高度不平衡大致
浏览 0提问于2018-01-19得票数 1
1回答
在多标签分类问题中，如何识别不存在于训练标签或类中的未知类。在预测阶段，分类器将数据放入任何类中，即使它与任何类或标签无关？对于二进制，分类的预测概率为50/50，因此如何将其解释为混淆或异常，但是当数据同时出现在类中或类似于类的时候，我们可以理解这种情况，但是任何类中应该包含的数据如何解释呢？因此，如何处理<
浏览 0提问于2018-09-07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
