我计划使用一个包含3个感兴趣的目标值的数据集。最终，我将在一个二元目标上尝试分类方法，并计划对两个独立的连续目标使用回归方法。
对每个目标变量进行不同的训练/测试拆分是不是一种糟糕的做法？否则，我不确定如何以一种允许我分别预测每个目标</e
浏览 5提问于2020-02-20得票数 1
我能不能把我所有的训练数据，训练他们的基本模型，然后把他们的结果，并使用他们的训练水平2模型？这是一个好的做法，还是应该采取不同的做法？
浏览 0提问于2020-01-12得票数 1
回答已采纳
1回答
我是数据科学的新手，一直在为Kaggle的问题而奋斗。用随机森林回归预测评分时，发现列车测试分割得分较高，而CV得分较低。0.8746277302652172with 与列车测试split_randomforest无列车测试split_randomforest split_randomforest CV随机森林10.713885026374156
浏览 2提问于2020-07-05得票数 0
正如标题所说，我想知道sklearn的GroupKFold和GroupShuffleSplit之间的区别。 两者都对具有组ID的数据进行给定的训练测试拆分，因此在拆分中不会将组分开。我检查了每个函数的一个训练/测试集，它们看起来都是一个很好的分层，但如果有人能确认所有的splits都能做到这一点，那就太好了。我对这两种情况都进行了<em
浏览 47提问于2020-08-21得票数 1
回答已采纳
2回答
在中，这似乎意味着顺序应该是：
然而，在我看来，这似乎很奇怪:如果您还没有选择您的超参数(在这种情况下是多项式度)，那么如何将您的模型与训练集相匹配呢？我看到了三种不同的方法，我不确定它们是否正确
浏览 1提问于2019-01-10得票数 1
回答已采纳
1回答
我有一个有6000条记录的数据。我有一个60-20-20的训练，验证和测试集。我用XGboost得到了大约76%的准确率。我将我的数据转换为时间序列，并应用LSTM/1-D Convnet，准确率约为60%。我的数据集是否太小，无法进行深度学习？其次，可以在每个训练上应用SMOTE，测试和验证集(在拆分数据之后)我知道在将数据拆分到训练/<em
浏览 34提问于2019-09-04得票数 0
1回答
我是机器学习的新手。我目前正在解决一个以字符串为目标的分类问题。我已经拆分了测试集和训练集，并通过OneHotEncoder转换字符串属性来处理它们，而且，我还使用StandardScaler来缩放训练集的数字特征。我的问题是对于测试集，我是否需要转换仍然是字符串格式的测试集目标，就像我使用OneHotEncoder对训
浏览 7提问于2018-03-02得票数 0
回答已采纳
网上有很多例子显示如何使用TimeSeriesSplit创建多个培训/测试集。然而，他们并没有展示如何在实践中真正地聚合这些信息。例如，这是从scikit学习文档中提供的：X = np.array([[1, 2], [3, 4X_train, X_test = X[train_index], X[test_index]产生<
浏览 0提问于2019-03-18得票数 0
回答已采纳
我正在做一个项目，对来自5个不同流派(摇滚，电子，说唱，乡村，爵士)的30秒音频样本进行分类。我的数据集包含600首歌曲，每个流派恰好有120首。特征是每首歌曲的13个mfcc的一维阵列，标签是流派。基本上，对于30秒样本的每帧，我取每组13个mfcc的平均值。这导致每首歌曲有13个mfcc。然后，我获得整个数据集，并使用sklearn的缩放函数。我的目标是比较s
浏览 3提问于2017-05-15得票数 1
我正在用gensim的Doc2vec训练一些文档。全英文维基百科:维基百科文本中的每一篇文章都被视为一个用于doc2vec培训的文档。(总共约550万篇与我的项目相关的文章或documents)Some文档是从一些网站手动准备和收集的。(大约15000个文档)。
其中每个文档的大小约为100个句子。此外，我想使用这个模型来推断句子的大小(10~20个单词)。
浏览 26提问于2018-06-05得票数 0
回答已采纳
1回答
我正在处理一个时间序列，它表示在Azure虚拟机上注册的CPU使用情况。历史数据包括19个月，其粒度为10分钟1( CPU使用级别已注册的每10分钟)。我的主要目标是对趋势进行长期(提前一周)预测.在乞讨时，我的原始数据集中只有一个列- usageLevel可用。当然，在尝试任何预测模型之前(我将测试XGBoost、LSTM、变压器等)。通常的做法是进行广泛的功能丰富。有多种策略和想法推荐--其中一
浏览 0提问于2022-12-11得票数 0
在训练数据集上交叉验证超参数网格后，SparkML的CrossValidator是否重新适合整个训练数据集？如果不是，它会从交叉验证的哪一部分中选择用于推断的bestModel？拟合的CrossValidator使.transform()方法可用。为此，CrossValidator是否使用最佳超参数在整个训练/交叉验证数据集上重新训练，并使用重新拟合的模型进行推理？或者，bestModel
浏览 22提问于2021-03-23得票数 0
2回答
随机分割训练和测试数据
、、、
我有大约3000个对象，每个对象都有一个与之相关的计数。我想在训练和测试数据中随机划分这些对象，70%的训练和30%的测试分割。但是，我想根据与每个对象相关联的计数来划分它们，而不是基于对象的数量。举个例子，假设我的数据集包含5个对象。Obj 1 => 200Obj 3 => 40Obj 5 => 1
浏览 25提问于2016-07-27得票数 1
3回答
功能计数不匹配
、、
我正在使用scikit做一个简单的分类任务。我有一个测试和训练数据集，它们的形状如下: train = (1000,69917)和test = (1073,49429)。当我这样做的时候：predicted = clf.predict(X_test)ValueError: X has 49429
浏览 0提问于2014-08-19得票数 3
我正在使用MATLAB函数TreeBagger()进行随机森林分类，以完成一项任务。当测试数据的变量数量与训练数据的变量数量不同时，它会给出错误。我被告知，变量选择应该只在训练数据上进行，而不是在测试数据上，这样测试数据上就没有偏见。因此，在将初始数据集(50个变量)拆分为训练集和测试集后，我对训练集执行变量选择(独立性的卡方检验)。因此，<em
浏览 0提问于2015-12-20得票数 1
1回答
因此，基本上可以在训练/测试中拆分数据库。让我们假设2/3的训练，其余的设置为测试。然后在caffe中，我们将训练数据分成不同大小的批，假设我们有100批，每批50张图像，所以我们有5000张训练图像。现在假设我们有50个测试批次，每个批次有50个图像。现在让我们假设caffe做了一个时期，然后用测试批次进行测试</e
浏览 5提问于2016-09-17得票数 0
我有包含search_id的熊猫数据帧df，我想随机将df采样到训练和测试集中，其中训练和测试集都具有不同的search_ids。Search_id不是唯一的，每个search_id都有多个条目，但我希望训练和测试数据应该有不同的search_ids。我能找到的是一般的采样，但我没有找到如何使用search_i
浏览 0提问于2019-08-24得票数 0
1回答
我有一个DataFrames列表，我想将它们拆分为训练集和测试集。[split_point:]split_point = [len(df)-125 for df in dfs] ## THIS WORKSFINE
我想要对整个数据帧列表进行train和test拆分，就像我<
浏览 3提问于2017-07-20得票数 0
回答已采纳
1回答
我使用sklearn.model_selection中的StratifiedShuffleSplit来拆分数据集。但它只适用于1个标签。那么，如何对两个标签进行分层拆分，并为每个标签中每个类别中的样本数量添加阈值？对不起，我的英语不好。
浏览 0提问于2021-10-12得票数 0
1回答
根据下面的代码，我正在计算特定分类器的召回率和准确率分数 clf = GradientBoostingClassifier(n_estimators=20)results = pd.DataFrame(grid_search_clf.cv_results_) 然后，我将获得以下table 您可以看到，平均召回率和准确率得分与上一步计算的得分非常不同，而使用相同参数的相同数据已应用于两者。
浏览 10提问于2019-03-10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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
