寻找可以从头开始训练的NASNET分类代码
NASNet是一种由Google开发的神经架构搜索网络（Neural Architecture Search Network），用于图像分类任务。它是通过自动化搜索方法得到的，可以从头开始训练，以适应特定的图像分类需求。NASNet具有以下特点和优势：
- 自动化搜索：NASNet利用强化学习算法和强化学习代理来自动搜索最佳的神经网络架构。它能够通过搜索空间中的不同组合，找到最佳的网络结构和超参数配置，从而提高图像分类的准确性和性能。
- 高准确性：NASNet在多个图像分类基准数据集上表现出色，具有较高的准确性。它通过自动搜索和优化，找到了更好的网络结构和参数配置，以最大程度地提高图像分类的精确度。
- 可扩展性：NASNet的架构搜索方法具有较强的通用性和可扩展性。它可以用于不同的图像分类任务，并且可以通过增加搜索空间的规模来进一步提高性能。
- 应用场景：NASNet可以广泛应用于图像分类领域，如图像识别、目标检测、人脸识别等任务。它可以帮助开发人员快速构建高性能的图像分类模型，并应用于各种实际应用场景。
在腾讯云的产品中，可以使用ModelArts来训练和部署NASNet分类代码。ModelArts是腾讯云提供的一站式人工智能开发平台，它提供了丰富的模型训练和部署工具，可以方便地进行NASNet分类代码的开发和调试。您可以通过以下链接了解更多关于腾讯云ModelArts的信息：https://cloud.tencent.com/product/modelarts
相关·内容
1回答
我正在寻找一个纳斯网分类代码，从零开始训练我自己的数据集。在谷歌搜索中，我发现了许多GitHub存储库，但我不确定这些存储库是否可以用来从头开始训练我自己的数据集。如果你在任何NASNET GitHub存储库上工作，并解决了你的分类问题，请建议。 另外，我想知道如何为NASNET准备数据集？在我的例子中，我总共有五类图像。是否需要将每类图像分别放入相应的类文件夹中？
浏览 24提问于2019-10-06得票数 0
回答已采纳
所以我就用伯特预训练的焦距损失对物理、化学、生物和数学进行分类，得到了一个很好的f-1宏0.91。这是好的，因为它只需要寻找令牌，如triangle，reaction，mitochondria和newton等，以更广泛的方式。现在我也想对章节的名称进行分类。这是一个有点困难的任务，因为当我训练它在伯特208班时，我的分数几乎为0。为什么？我知道有很多信息，比如nacl: sodium chloride，bohr model，9.8 m/sec等等，我认为伯特没有受过训练。我只想问几个问题。
伯特在这些条件下有用吗？它是经过科学训练的吗。我的意思是，它能把Schrödinger equation
浏览 0提问于2020-11-17得票数 1
1回答
我正在尝试使用AlexNet实现一个图像搜索引擎
这个想法是通过训练神经网络对图像进行分类，然后使用网络最后一个隐藏层的代码作为相似性度量来实现图像搜索引擎。
我正在试着想办法用一组新的图像训练CNN来对它们进行分类。有谁知道如何开始使用它吗？
谢谢
浏览 0提问于2016-04-24得票数 0
1回答
我必须构建一个分类器，将样本分类为13个类中的一个，但我拥有的训练数据集只包含10个类(数据集不平衡，有些类没有样本)。
建立一个有13个输出的神经网络分类器是正确的，尽管我的训练集中没有13个类？
在训练集的输出中有更多的类会影响准确性吗？
我正在考虑把所有的类放在将来我可以用更好的数据集重新训练模型，所以我不需要改变分类器的代码。
谢谢,
浏览 0提问于2017-05-02得票数 -1
回答已采纳
我正在研究图像分类。我不明白通过可用的模型创建特征向量有什么区别。然后再训练一次。与通过该模型进行的直接训练相比
浏览 1提问于2020-11-19得票数 0
我已经训练了一个模型来识别动物，它正在工作，部署到android应用程序中。我正在寻找一种解决方案，使图像分类器只对训练过的类别进行分类。我不确定是通过模型训练还是通过添加任何代码来解决这个问题。
例如，如果发送一个杯子的图片进行分类，结果显示为Dog或其他动物名称。如何只对给定的类别进行分类，其他任何类别都显示为“不是动物”。
Im使用Tensorflow 1.12，MobileNet模型
浏览 1提问于2019-03-31得票数 2
我在和玩。我想保存训练好的分类器，以便稍后用于预测任务，但我真的不知道如何使用。DNNLinearCombinedClassifier没有可用的保存方法，酸洗对象也会失败。
有什么办法来保存它吗？
浏览 0提问于2016-09-05得票数 2
1回答
假设我们有一个经过训练的图像分类模型。从理论上讲，是否有可能在没有再培训的情况下，只对模型进行更新？如果没有，是否有任何允许增量更新的活动图像分类DL模型？
浏览 0提问于2020-03-03得票数 0
让我们考虑一下，我们有几张3种不同动物的图片，比如一只狗，一只猫和一匹马。然后，我们使用这3个标签使用机器学习来训练我们的图像分类模型。目前，我们正在使用该ML模型对动物图像进行分类。 现在，每当我们有一些猫、马以及新动物老虎和狮子的新图像时，我们希望将这些新图像添加到我们的ML模型中，并将新动物图像添加到新标签类别中，并使用更新后的ML模型进行图像分类。因此，在当前的场景中，我们有5类动物图像。 那么，如何最优地重新训练这种ML模型呢？在这种情况下，哪些技术、框架或平台最适合使用？
浏览 44提问于2020-11-20得票数 1
我正在编写我的第一个TFJS演示应用程序。我有一个训练有素的猫/狗二进制分类器，我已经使用转换器进行了转换。我可以加载模型并传递来自iphone或android摄像头的图像进行分类。不幸的是，结果很糟糕。我的模型是使用samplewise_center和samplewise_std_normalization都设置为true的keras ImageDataGenerator进行训练的。我现在非常确定我需要在我的应用程序中进行同样的标准化。
我在完整的API中看到了tf.math.reduce_mean()和reduce_std()。在JS中，我看到了ts.mean()，但没有看到ts.std(
浏览 25提问于2019-07-09得票数 2
1回答
我刚刚看到了华盛顿大学的一段视频，史蒂夫·布伦顿教授在视频中解释了如何使用特征脸进行分类，例如图像识别。
特征面非常简单，不需要任何训练或参数调整等。他表示，它只需几秒钟就完成了。超快。
用奇异值分解法求解特征面。
A = USV^T 特征面分类
那么，如果我想进行某种简单的图像分类，那么什么是最好的呢？我应该花时间和精力训练一个深层的神经，还是应该专注于特征脸？特征脸是遗产，但还是不错的，对吧？
用多幅图像训练深度神经网络容易吗？或者这是一项艰巨的任务？当我看到其他人在深造的时候，他们只是编造了一些东西，然后他们解决了世界的问题。听起来太好了不可能是真的对吧？
在什么情况下，你更喜欢特征脸而
浏览 0提问于2020-02-28得票数 1
2回答
我正在努力理解YOLO (v2)是如何被训练的。为此，我使用这个keras实现从零开始在VOC上训练YOLO (我对其他实现开放，但我从未使用过pytorch，因此，keras实现将是首选)。
1-正如我所理解的，YOLO首先用于在imageNet上进行分类，然后这些经过训练的权重(用于分类)应该在训练yolo进行回归(检测边界框)时使用。在我在互联网上找到的用来从零开始训练yolo的大部分代码(用于回归)中，我没有看到这些分类权重被加载的部分。这是什么时候发生的？什么时候分类权重被用来训练yolo回归？
我的理解是正确的吗？
提前感谢
浏览 5提问于2020-03-27得票数 2
回答已采纳
我在DetectorActivity 中查看了tensorflow android demo中的代码。
想知道为什么需要在将相机预览图像送入分类器之前将其裁剪到300 x 300维度吗？
使用不同的维度似乎会影响分类器的结果。此裁剪尺寸是否受.pb (或用于训练模型的图像)的影响？
浏览 0提问于2017-12-05得票数 0
我在这里经历了许多答案，但发现它们部分是正确的，或者没有用。
我有一个需要训练的卡拉斯/丹索尔·弗洛模型。在这次训练中，我的模特
受过一些时代的训练
保存在每一个时代
加载任何其他时间继续训练
我该怎么做呢？
浏览 5提问于2019-10-22得票数 0
回答已采纳
1回答
增量添加新类别
、、、
我想知道是否有任何算法可以增量地向现有的分类器系统添加新的类。例如，如果我已经训练了一个有50个类别的系统，并且我想在系统中添加另外10个类别，我应该研究什么方法？有各种各样的算法可以用现有类别中的额外训练样本增量地更新系统，但我不知道可以添加更多类别的方法。从理论上讲，我认为最近邻算法可以应用于这项任务，但有没有其他适合大规模任务的算法(比如更新一个用500个类别和50个额外类别训练的系统？可能在增量决策树的域中？像增量支持向量机这样的算法不能很好地扩展到大量类别。如果有任何论文/代码，我将不胜感激。
浏览 2提问于2014-12-09得票数 0
1回答
Keras没有顶部
、、、、
我试图在没有顶部的情况下在Keras中使用NasNetlarge，但我无法摆脱顶部：
from keras.applications import NASNetLarge
model = NASNetLarge(input_shape=(224, 224, 3), include_top=False,
weights="imagenet")
如果我使用(331,331，3)形状以外的任何形状，即使设置了include_top=True，如果我设置了include_top=False，则必须使用(331、331、3)的错误。如果我将输入形
浏览 0提问于2018-05-27得票数 3
我有给定场景的RGB-D (颜色和深度)图像。我想使用tensorflow来训练一个基于预训练网络的分类模型。据我所知，这些预先训练的模型是使用3通道RGB图像构建的。但是，不能处理第四个通道的包含。
如何直接使用RGB-D图像？我是否需要对图像进行预处理，并分离RGB和D，如果需要，我如何单独使用D(1通道)？
谢谢!
浏览 0提问于2018-05-23得票数 0
为了更好地解释标题，我希望在两个类别之间对图片进行分类。例如，假设0是白色的，黑色是1。我用灰色的图片来训练和验证系统，其中一些图片比其他图片更亮。换句话说，训练/验证( t/v )图片没有一个是0，也没有一个是1。t/v图片的范围在0到1之间，这取决于灰色有多暗。
当然，这只是一种假设的情况，但我想在我的工作中应用类似的场景。我在网上找到的所有信息都是基于二进制分类(1或0)，而不是基于光谱分类(介于1和0之间)。
我假设这是可能的，但我不知道从哪里开始。不过，我确实有一个写得很准确的二进制代码。
浏览 0提问于2020-06-25得票数 0
1回答
分类器的在线/增量学习
、、、、
我理解在在线/增量学习中，随着新数据随着时间的推移而变得可用，SVM或NN可以增量地学习。如果不是新的案例，而是现有案例的新功能/变量随着时间的推移而变得可用呢？有没有什么技术可以处理这种分类器/预测的训练？
浏览 3提问于2015-01-09得票数 1
2回答
测量分类算法的性能
、、、、
我手头有一个分类问题，我想用机器学习算法来解决这个问题(贝叶斯或马尔可夫，这个问题与要使用的分类器无关)。在给定大量训练实例的情况下，我正在寻找一种方法来衡量实现的分类器的性能，同时考虑到数据过拟合问题。
也就是说:给定N1..100个训练样本，如果我在每个样本上运行训练算法，并使用这些完全相同的样本来测量适应度，它可能会陷入数据过拟合问题-the分类器将知道训练实例的确切答案，而没有太多的预测能力，导致适应度结果无用。
一个显而易见的解决方案是将手工标记的样本分成训练样本和测试样本；我想了解选择统计上有意义的样本进行训练的方法。
白皮书，书籍指针，和PDF非常感谢！
浏览 3提问于2009-01-02得票数 8
回答已采纳
1回答
我想用ReLUs来训练DNN，而不是使用典型的乙状结肠单元。我已经成功地实现了下面的分类问题示例(softmax层)，但是我试图实现这一点，因为regression.My数据集是基于负荷预测的。
浏览 1提问于2017-04-12得票数 0
回答已采纳
我有很大的训练数据集，所以为了把它放入AdaBoost分类器中，我想做增量训练。
就像在xgb中一样，我们有一个名为xgb_model的参数来使用经过训练的xgb模型来进一步拟合新的数据，我在AdaBoost分类器中寻找这样的参数。
目前，我正在尝试使用fit函数迭代训练模型，但我的分类器似乎没有使用以前的权重。我怎么才能解决这个问题？
浏览 0提问于2019-05-21得票数 1
1回答
我正在使用scikit-learn监督学习方法进行文本分类。我有一个训练数据集，其中包含输入文本字段及其所属的类别。我使用tf-idf，SVM分类器管道来创建模型。该解决方案适用于正常的测试用例。但是，如果输入的新文本具有与训练集中相同的同步词，则解决方案无法正确分类。例如:单词'run‘可能存在于训练数据中，但如果我使用单词'sprint’进行测试，则解决方案无法正确分类。
这里最好的方法是什么？在我看来，为训练数据集中的所有单词添加所有同义词不像是一种可伸缩的方法
浏览 0提问于2016-10-07得票数 3
4回答
我正在处理以下类型的分类问题:我必须使用实例的许多图像将每个实例分类为A类或B类。也就是说，每个训练实例都没有一幅图像(这是图像分类中常见的事情)，而是有很多图像，而且每个训练实例的图像数量都不是固定的。也就是说，实例1可以有3个图像，根据这些图像，我们必须将其分类为A或B，而实例2可以有5个图像。
作为任何机器学习问题，我得到了许多标签图像，我必须建立一个分类器。
虽然想法也是受欢迎的，但我正在寻找一种记录在案的方法来解决这类问题(主要是Kaggles、文件或书籍)。
我的主要想法是:训练一个模型$f$，该模型给出一个图像为A类的概率，然后，对于每个训练实例，在实例的每个图像中计算$f$，并
浏览 0提问于2018-09-11得票数 5
回答已采纳
1回答
我使用XLNET作为情感分类器来确定一个评论是正面的还是负面的。我得到了很好的结果
📷
但是当我计划验证和训练损失时，我看到了这一点
📷
我认为这意味着模型太合适了？但我不太确定。如果有任何建议的话，我会非常感激的。
浏览 0提问于2021-02-26得票数 1
回答已采纳
我一直在寻找写在张量流上的AlexNet模型，我找到的所有代码都已经使用了一些预先训练好的权重。
您是否知道是否存在在模型执行过程中构建权重的代码？谢谢。
浏览 1提问于2017-04-18得票数 0
我们有一个网页分类器。分类器模型是用大约2年前的训练数据建立的。我们已经注意到模型的性能一直在下降，我们假设这是由于网页的属性随着时间的推移而变化的(主要是使用的单词和术语，但也包括拓扑、html标签等)。
你将如何处理这个问题？我们只是简单地重建整个训练数据并重新学习一个新模型吗？有捷径吗？关于如何做到这一点，有没有一些常见的实践或论文？请注意，我们非常关注监督学习方法，系统管理员训练分类器，在测试集上评估其性能，然后将分类器安装在“生产”系统中。
希望这不是太含糊...
浏览 1提问于2014-09-16得票数 5
1回答
我训练了一个二进制分类模型，获得了98%的测试准确率和99%的训练准确率。
今天我想计算混淆矩阵，并使用下面的代码来计算它们。
model = load_model("model.h5")
testGenerator = ImageDataGenerator(rotation_range=5,
width_shift_range=0.2,
height_shift_range=0.2,
浏览 11提问于2018-08-04得票数 5
我有一个有标签的数据集，我将为多标签分类问题(例如:5个标签)开发一个分类器。我已经开发了伯特和CNN，但我想知道我是否也可以使用RL进行文本分类。
据我所知，使用RL我们可以使用更小的训练数据集。
我正在寻找RL的python代码。
浏览 2提问于2022-04-26得票数 0
回答已采纳
1回答
我正在寻找最佳实践或案例研究，使用R的"mxnet“对多波段图像进行像素分类(RGB、mlutispectral/高光谱航空或卫星遥感)。事实上，在图像标记方面有很多最佳实践(例如，在像imagenet这样的大型图像存档中，狗和猫)，整个图像被分类，通常有很多训练数据(或预训练模型)可用。然而，我没有发现任何关于像素级图像分类/回归的东西，在这些图像分类/回归中，训练数据通常比较稀疏，并且应用程序处理土地覆盖类别、对象(如汽车、建筑物等)。或生物物理变量(生物量、土壤湿度、叶绿素含量等)。
浏览 1提问于2017-01-25得票数 2
1回答
我很清楚，我不是在问具体问题。但是，我要求关于如何使用NiftyNet进行医学成像工作的指导。这肯定会使我有能力做一些工作，并就尖锐的问题寻求帮助(这些问题肯定会出现)。
我不知道医学影像和niftynet的使用分类。我试图提出一个简单的分类任务，使用这个数据集和预先训练的模型。
我收集了几个口腔的jpg照片。他们被标记了3个标签(正常，预，pos)。我喜欢蟒蛇，比目鱼和tensorflow。我需要以下方面的帮助：
我在哪里寻找使用NiftyNet预先训练的模型来进行这类分类？
有什么代码库可以让我走吗？
谢谢你的帮助。
浏览 6提问于2019-11-12得票数 0
我正在寻找一个简单的工具来训练和测试分类任务的神经网络。它不需要是非常复杂的工具，我只想训练和测试简单的数据集，如以下网站中给出的。
浏览 4提问于2011-12-31得票数 0
回答已采纳
1回答
机器学习的新手，所以寻找一些方向，如何开始。最终目标是能够使用Tensorflow训练模型来计算图像中对象的数量。我最初的重点是训练模型来计算一种特定类型的对象。假设我拿了硬币。我只会训练模型去数硬币。不用担心为所有不同类型的对象创建通用计数器。我只做了谷歌的花朵图像分类的例子，我理解它的基本原理。因此，寻找如何开始的线索。这是一个图像分类问题吗?我可以使用与flowers...etc相同的逻辑吗？
浏览 0提问于2017-02-22得票数 6
我正在寻找一个使用Spark-Scala的多类分类示例，但我还找不到。具体地说，我想训练一个分类模型，并查看训练和测试数据上的所有相关指标。
Spark ML (基于DataFrame的API)是否支持多类问题的混淆矩阵？
我正在寻找Spark v2.2及以上的例子。一个端到端的例子将会非常有用。我在这里找不到混淆矩阵评估-
浏览 0提问于2018-12-27得票数 2
我有一个多类标签问题要解决。Ie:每个测试图像可以分配1-10个非排他性标签.
但是，我在使用MultiLabelMarginCriterion时遇到了问题，因为它不受cunn的支持。因此，我正在寻找替代方法。这两种方法都有效吗？
计算训练集中标签的每个排列(约150)，并训练分类器以识别这150个类别。不过，我不认为新的标签排列在测试集(那些在培训集中没有发现)将不会被认可。
使用BCECriterion训练10个独立的二进制分类器。Ie:每个标签有一个分类器。通过每个分类器运行每个测试映像并组合结果。然而，训练大量的CNN是很费时的.
浏览 2提问于2016-01-15得票数 1
回答已采纳
2回答
我有一个关于微调和迁移学习的一般性问题，当我试图弄清楚如何最好地让yolo检测我的自定义对象(手)时，这个问题出现了。 我为可能包含大量虚假信息的长文道歉。如果有人有耐心读一读，帮我理清思路，我会很高兴的。 经过大量的谷歌搜索，我了解到许多人认为微调是迁移学习的一个子类，而另一些人则认为他们有不同的方法来训练模型。同时，人们在自定义数据集上仅重新训练模型的最后一个分类器层与也重新训练模型的其他层之间存在差异(并且可能添加一个新的分类器而不是重新训练？)。这两种方法都使用预先训练好的模型。 我最后的困惑在这里:我遵循以下说明：https://github.com/thtrieu/darkflo
浏览 150提问于2019-03-12得票数 7
回答已采纳
我有一个训练集，其中包含四个手指的相对挠曲数据(0.0 =不弯曲，1.0 =最大挠曲)。
我正在寻找一个合适的机器学习算法来分类6种不同的手势。
哪种算法适合这种分类？
浏览 2提问于2016-01-07得票数 0
回答已采纳
2回答
我训练了一个深度学习模型，将给定的图像分类为三类。现在我想在我的模型中再添加一个类。我试着检查“在线学习”，但它似乎是针对现有课程的新数据进行的培训。我是否需要在所有四节课上重新训练我的整个模型，还是有任何方法可以让我的模型在新的课堂上得到训练？
浏览 10提问于2019-12-08得票数 7
回答已采纳
我正在寻找一种解决方案，将我的数据拆分到测试和训练集，但我希望在测试和训练中都有我的分类变量的所有级别。我的变量有200个级别，数据是1800万条记录。我尝试了分数(0.8)的sampleBy函数，可以获得训练集，但很难获得测试集，因为Spark中没有索引，甚至在创建键时，使用left join或subtract获得测试集也非常慢！
我想根据我的分类变量做一个groupBy，并随机抽样每个类别，如果该类别只有一个观察值，则将其放入训练集中。
是否有默认的函数或库来帮助执行此操作？
浏览 0提问于2018-08-02得票数 0
我使用sklearn训练了一组支持向量机分类器(大部分是线性的，使用LinearSVM，但有些是使用带有rbf核的SVC类)，我对结果很满意。现在，我需要将生产中的分类器导出到另一个使用Java的代码基中。我正在寻找可能的库，这些库是在maven中发布的，可以很容易地合并到这个新的代码库中。
你有什么建议？
浏览 3提问于2014-05-02得票数 5
回答已采纳
1回答
我正在尝试为maxent分类器创建java实现。我需要把这些句子分类为n不同的类。
我看了一下。但我无法理解如何创建培训数据。我需要训练数据的形式，其中训练数据包括词素标记的句子，以便分类器使用的特征将类似于前一个词，下一个单词等，。
我正在寻找培训数据，其中有词性标注和句子类提到的句子。例子：
我的/(POS)名称/(POS)是/(POS) XYZ/(POS)类
任何帮助都将不胜感激。
浏览 4提问于2016-03-16得票数 5
回答已采纳
我有一个pytorch lightning代码，当使用bert-base或roberta-base时，它非常适合二进制分类任务，但不能用于roberta-large，即训练损失不会下降。
我不知道为什么会发生这样的事情。我正在寻找这样一个问题的原因。
编辑:我正在MNLI数据集上进行训练(仅限蕴涵类和矛盾类)模型预测所有示例的同一类。
谢谢
浏览 0提问于2020-07-15得票数 2
我正在尝试使用OpenCV 3.1.0为MNIST数据集训练NB分类器。我使用来自的准备好的CSV训练和数据文件来训练NB分类器。我使用剪切和粘贴功能稍微修改了这个CSV文件，以满足OpenCV的要求。在训练分类器之后，我尝试使用它来对训练数据集进行分类，但它将所有样本分类为0类。训练数据集有784个维度，10个类，60000个样本。我的训练代码如下：
#include <iostream>
#include <opencv2/ml.hpp>
using namespace cv;
using namespace cv::ml;
int main(int argc,
浏览 0提问于2016-03-27得票数 0
1回答
我正在用一些预先训练过的模型(vgg16，vgg19，…)学习迁移学习。，我不知道为什么我需要加载预先训练的重量来训练我自己的数据集。
我可以理解数据集中的类是否包含在预先训练过的模型所用的数据集中。例如，VGG模型在Imagenet数据集中使用1000个类进行训练，而我的模型是对图像集中的猫狗进行分类。但在这里，我的数据集中的类不在此数据集中。那么，训练前的体重有什么帮助呢？
浏览 0提问于2019-01-22得票数 2
回答已采纳
1回答
我正在训练一个分类模型，在BERT之上使用自定义层。在此期间，该模型的训练性能随着时代的增加而下降(在第一个时代之后)。我不确定在这里要修复什么-是模型还是数据？
(对于数据，它是二进制标签，每个标签的数据点数量是平衡的)。
对于问题可能是什么，有什么快速的建议吗？以前有没有人遇到过这个问题？
编辑:原来我使用的转换器库和tf版本不匹配。一旦我解决了这个问题，训练效果就很好了！
谢谢!
浏览 6提问于2020-07-26得票数 1
以支持向量机作为分类器，构建了一个图像分类系统。就我的目的而言，我获得了相当好的分类结果，但我正在寻找一种方法来改进它。假设对于一个查询图像，系统的响应是错误分类。有没有办法用这些新数据重新训练SVM分类器？我使用OpenCV的支持向量机。我是否需要使用不同的分类器或学习系统？
浏览 0提问于2013-07-09得票数 1
寻找一个分布式的，增量模式的培训在星火。例如：
对model_1进行分类训练。
Model_1保存到文件系统中。
新的文本是保密的。人类专家非常分类结果和选择正确分类的文本。
Model_2使用旧model_1进行培训，并在前面的步骤中选择正确分类的文本。
这能用火花MLLib完成吗？还有其他方法吗？
浏览 0提问于2018-02-21得票数 2
1回答
我正在努力寻找一种线性分类器，在数据是非线性可分离的情况下，它可以最小化训练误差(0/1损失)。具体地说，我正在寻找一种确定权重的方法：
sign(weights' * features) = label
对于{0，1}^d中的features \，{-1，1}中的label \和实数权重。我有N个训练实例，我希望上面的等式适用于最大可能数量的实例。我知道，如果问题总是可分离的，像硬边界支持向量机这样的东西是可行的，但我也需要在问题不可分离的情况下找到解决方案。
(这项任务听起来有点深奥，但请不要建议我怎么做，而不是寻找一个训练误差最小的线性分类器-我所描述的绝对是我想要解决的问题！)
浏览 0提问于2012-09-11得票数 0
回答已采纳
1回答
我正在寻找lingpipe训练数据集(分类-正面，负面，中性)，用于对以下行业的评论数据进行情绪分析-
医疗保健(关于医生、医疗保健服务的评论)餐馆、酒店、零售
有没有人可以指导我获得上面提到的训练数据集的任何来源。
谢谢
浏览 4提问于2015-05-25得票数 0
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
实时音视频
云直播活动推荐
腾讯云开发者
