1回答
规模输入训练的ML模型
、、、
我使用sklearn的StandardScaler()对它们进行缩放，然后使用keras对这些数据进行神经网络训练，以预测我的目标。我训练过/测试过这个神经网络，它的性能很好。然后，它将在每个时间步骤中接受非缩放的输入数据(相同的特征)，并对目标(输出)进行良好的预测。
在离线的timeseries数据上进行培训，似乎不太适合在模型中使用不缩放<
浏览 0提问于2022-03-02得票数 0
1回答
我对我的数据进行了缩放，并在训练集上运行了神经网络模型，结果很好，所以我在新的数据上进行了尝试。但是我的输出仍然是缩小的，我可以取消它的缩放吗？我使用我的整个数据库(totalann_dbase_z)进行训练，预测集是具有相同变量(week12_dbase)的全新数据帧，但还没有包含任何目标变量数据，因为游戏还没有开始。
浏览 11提问于2019-11-26得票数 0
我有一个关于神经网络中预测因子的尺度的一般性问题。我在R/ Caret中使用avNNet算法进行回归；我有分类和数值预测。据我所知，在建模步骤之前，必须对预测器进行缩放：
由于缺乏更好的先验信息，通常将每个输入标准化到相同的范围或相同的标准差。..。特别是，将输入缩放为-1,1将比工作得更好。如果我把我的连续预测器缩放到范围-1，那么我的分类预测器呢，它被编码为0\ 1
浏览 3提问于2017-11-20得票数 0
回答已采纳
1回答
未缩放的预测返回到原始形式
、、、、
我使用下面的代码对这两种情况进行缩放： from sklearn import preprocessingfrom sklearn.preprocessing importpd.DataFrame(train_df)
test_df = scaler.fit_transform(test_df)
test_df = pd.DataFrame(test_df) 缩放后的前四行训练数据如下所示在使用深度神经网络进行训练后，我得到了<e
浏览 13提问于2021-07-28得票数 0
回答已采纳
1回答
我训练了一个回归问题的人工神经网络模型，该模型以10个参数作为输入，并给出1个输出。经过培训，我使用keras将模型保存为json，并将权重保存为.h5文件。现在我想对新的数据做预测。我已经加载了模型，这里的问题是，在将输入值输入到模型之前，如何缩放这一行输入值？一些机器学习算法不需要缩放(标准化/规范化)，所以我可以加载这些模型并用于预测。我如何在人工神经网络模型，因为我们规模的数据为培训？
浏览 0提问于2019-06-24得票数 0
回答已采纳
我想知道如何在preProc的train()函数中使用caret。我正在train()函数中使用neuralnet运行一个神经网络。代码来自。method = "cv", verboseIter = TRUE)未对原始数据进行缩放，因此建议在运行神经网络之前对数据进行缩放。此外，我希望使用min缩放
浏览 2提问于2020-06-05得票数 0
1回答
在训练模型后，我有一个关于特征缩放如何工作的问题。在我的训练数据中，最低的室外温度是60华氏度，最高是100华氏度。我保存模型以供将来进行预测。两个月后，我想根据一些新的数据进行预测。但这一次，我的测试数据中的最低温度和最高温度分别为-20华氏度和50华氏度。
经过训练的模型是如何处理这种情况的？我在训练集中进行缩放以生成训练模型的范围与测试数
浏览 22提问于2018-06-02得票数 0
回答已采纳
我们有两种类型的数据集(第一个数据集有30行和160列，第二个数据集有与outputs=y相同的30行和200列，这些输出是独立的)，我想要做的是使用第一个数据集来预测第二个数据集outputs.As第一个数据集是矩形的现在我想使用这19个因素来预测第二个数据集的输出。1-由于我的输入是因子(它们在-1和1之间)，并且我的输出比例在4到10000和整数之间，我应该在运行神经网络之前仍然缩放它们吗？2-我
浏览 0提问于2016-02-21得票数 0
我知道，当我通过回归预测单个值时，没有必要对神经网络的输出进行缩放。
如果我的多个输出在10^-2和10^4之间变化，那么是否有必要规范我的神经网络的输出？
浏览 0提问于2018-08-15得票数 4
回答已采纳
1回答
我试图在回归问题上实现一个神经网络。我已经缩放了自变量，因为这是神经网络的关键一步。然而，我在网上看到，有些人也建议对目标变量进行缩放，同时，也有一些意见不建议对目标变量进行神经网络的特征缩放。这是令人困惑的，因为我没有找到任何明确的指导方针的问题，缩放目标变量的神经网络。所以，如果有人举例说明，我应该做些什么来缩放目标变量？我应该总是缩放目标变
浏览 0提问于2022-10-25得票数 0
1回答
因此，我想稍后拟合一个神经网络，以预测ISLR软件包中作为数据集中其他17个(预测器)变量的函数的学院数据集中的连续数值变量Outstate。在我拟合神经网络之前，我只需要对预测变量进行特征归一化。因为有17个预测器，所以我不想显式地输入我想要标准化的每个变量。在R中有什么可行的方法可以做到这一点吗？据我所知，scale函数对数据集中的所有变量进行缩放。
浏览 33提问于2020-04-16得票数 0
回答已采纳
我构建并训练了我的神经网络，现在是时候对给定的输入数据进行预测了。但我不知道用训练好的神经网络进行快速预测的正确方法。我目前正在做的是每次加载模型并对其进行预测。我想知道是否有一种方法可以永久地将模型加载到内存中(用于会话)，然后进行预测。
浏览 18提问于2017-07-31得票数 3
回答已采纳
我有一个有一个输入，三个隐藏神经元和一个输出的神经网络。我有720输入和相应的目标值，540用于培训，180用于测试。
浏览 7提问于2014-07-22得票数 0
回答已采纳
R的“预测”包有一个函数nnetar，它使用带有单个隐层的前馈神经网络在时间序列中进行预测。那么，Python有一个简单的神经网络模型可以用于时间序列lik nnetar吗？如果没有，如何处理这个问题？
浏览 3提问于2019-05-27得票数 11
回答已采纳
然后我使用随机森林作为分类器，我想知道对这些值进行归一化的最佳方法是什么？或者不需要正常化？
目前我只是在使用，我是不是错过了一个技巧？
浏览 13提问于2017-09-09得票数 0
2回答
如何在深度学习中使用分类列？
、、、、
为了使用它来创建神经网络，我使用MinMaxScalar对数据进行了预处理，这将在0到1之间缩放数据。但我的数据集也包含分类列，因此在预处理过程中遇到了错误。因此，我尝试使用OneHotEncoder和LabelEncoder对分类列进行编码，但我不知道如何处理它。我该如何继续？
链接到数据集-
浏览 1提问于2020-12-21得票数 0
当我用Python(3.5.5) + Keras (版本2.0.8)比较在GPU上训练的神经网络的输出时，与使用DL4J (1.0.0-beta2 2)在安卓(API 24)上的相同神经网络的输出进行比较时这将是非常有帮助的，如果有人可以分享他们的经验，如何解决这个问题，谢谢！模型输出INDArray indarray1 = loader
浏览 0提问于2018-09-26得票数 1
回答已采纳
使用神经网络(LSTM)，我正在做一个客观的特征预测(我有多个特征)。操作过程中具有良好的精度。但是，我可以显示任何功能对目标特征的影响吗？
例如，我预测用户在网站上购买，并希望估计折扣对购买的影响。如何使用现有的神经网络进行预测？
浏览 10提问于2022-01-03得票数 0
1回答
在预测期间，将多个深度网络集成在一起以改善统计数据通常是相当容易的。这通常和获取输出预测并将它们平均在一起一样简单。在递归神经网络中，这不是那么简单，因为我们是在对一系列输出进行预测。我们如何集成递归神经网络？您是否使用多个模型预测每个时间步的输出，对输出进行平均，然后使用平均值中的预测反馈到每个单独的模型中(漂洗，重复)？
浏览 2提问于2016-10-04得票数 1
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
