1回答
如何在交叉验证中选择参数？
、、、、
假设我正在使用K折叠交叉验证K折叠交叉验证训练一个线性回归模型。我每次用不同的训练和测试数据集训练K次。因此，每次我训练时，都会得到不同的参数(线性回归情况下的特征系数)。因此，在交叉验证结束时，我将得到K个参数。如何得出我的模型的最终参数？
如果我也使用它
浏览 0提问于2022-05-19得票数 3
2回答
线性回归+ KFold交叉验证
、、、、
我已经准备好了一个预先拥有的数据集和相应的标签(8个类)。我已经用DT，KNN，NB和支持向量机等分类器对KFold和K=10进行了交叉验证，现在我想做一个线性回归模型，但不确定它与KFold的关系如何，它是否可能，或者对于回归，我应该把集合单独划分成一个训练和测试集这8个类别是年龄(对于NLP问题)，所以我想检查分类和回归的选项。
浏览 0提问于2018-07-04得票数 2
0回答
我有一个总共有58个样本的数据集。数据集有两列“测量的信号”和"people_in_area“。正因为如此，我正在尝试使用Scikit-learn训练一个线性回归模型。目前，我将75%的数据集用于训练，25%用于测试。但是，根据拆分前数据的顺序，我获得了不同的R平方值。
我认为，由于数据集很小，根据数据在拆分之前的顺序，不同的值将保留为x_test和y_test。正因为如此，我正在考虑在<
浏览 4提问于2017-01-13得票数 1
回答已采纳
我的目标是试验不同算法的各种方法，确定每种算法的最佳方法，然后从这些顶级算法中确定最佳的总体算法。
为了实现这一点，我使用k重交叉验证来评估每一种方法。在进行了评估之后，我选择了产生最优度量的方法。为了简化事情，让我们考虑线性回归。我通过改变技术和步骤尝试了不同的方法。为了评估它们的性能，我使用k重交叉验证对每种方法进行了评估。假设我发现方法2在
浏览 0提问于2023-06-01得票数 0
回答已采纳
1回答
如何确定我的机器学习模型的最佳策略？例如，让我们考虑一个场景，其中我正在处理线性回归，并希望比较三种不同的方法。考虑到这三种方法，是否应该使用k-折叠交叉验证来评估每一种方法，而不需要再培训模型，然后比较交叉验证的结果以确定最佳的方法而不使用测试数据集？
浏览 0提问于2023-06-01得票数 0
1回答
如何进行实时数据的特征工程？
、、、、
我用以下步骤建立了一个很好的线性回归模型：
我的问题是，如果我们在生产环境中使用这个模型，那么我们如何进行实时数据的特征工程，因为这个模型是用特征归一化和缩放的来建立的，那么如何对实时数据进行规范化和缩放以得到一个很好的预测呢？对于交叉</e
浏览 2提问于2017-03-01得票数 0
5回答
从K折交叉验证中选择哪个模型
、、、、
我读到了关于交叉验证以及如何使用它来选择最佳模型和估计参数的内容，我并不真正理解它的含义。假设我建立了一个线性回归模型，并进行了10折交叉验证，我认为这10个模型中的每一个都会有不同的系数值，现在我应该选择10个不同的系数值作为我的最终模型或估计参数。或者，我们使用交叉<em
浏览 3提问于2017-08-03得票数 2
我正在尝试对线性回归模型执行10折交叉验证(CV)，以确定CV_mean平方误差。在matlab中，我的数据由500个<500x1>双精度形式的项组成。
浏览 0提问于2015-09-08得票数 0
Logistic回归应该只在线性可分的数据上才能很好地工作。正如我们在对图中看到的，数据点有很大的重叠。logistic回归模型比决策树法、KNN法、随机森林法(适用于重叠数据的方法)具有更好的精度。即使交叉验证得分较高，我的logistic回归模型。
📷
浏览 0提问于2021-09-26得票数 4
我搜索了这个问题，得到的答案是一个一般的回归模型，而不是一个单变量的线性回归模型。如果你增加变量的数量，你可以拟合一条曲线，而不是线到数据点，这些数据点应该在一条线上，但是如果我的模型只是一条直线，拟合100个样本呢？这种型号有可能过火吗？
浏览 0提问于2023-04-26得票数 0
1回答
我是一个菜鸟，我以前用正则化方法处理过一个线性回归问题。这一切都很直截了当，但我现在想在分类问题上使用弹性网。我建立了一个基线logistic回归模型，预测结果良好(准确率为80%，f1评分为80%)。我知道我的一些输入特性是高度相关的，我怀疑我是在引入多重共线性，因此我想要运行一个弹性网络来观察对系数的影响，并与基线进行比较。我</em
浏览 5提问于2021-03-24得票数 0
回答已采纳
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。1909 June 15.0 7.5 1909 August 18.8 10.7
我想找出缺少的值哪种模型最适合解决这类问题？我在这里尝试使用MultiVariate线性回归。这是一种正确的方法吗？
浏览 0提问于2015-04-30得票数 0
1回答
线性回归的自定义成本函数注入
、、、、
我想运行一个拉索或脊回归，但其中L1或L2约束的系数是在一些系数，而不是所有。我想避免重写整个算法。在python中有允许这样做的模块吗？到目前为止，我对scipy和sckit-learn进行了调查，但没有发现。
浏览 4提问于2016-03-10得票数 0
1回答
具有模拟数据的GLM函数误差
、、、、
我有两个向量的模拟数据如下：我试图使用引导库的glm和cv.glm函数来拟合线性回归模型和多元线性回归模型，要么忽略一个交叉验证，要么忽略一个交叉验证。我正在使用的错误代码如下所示：
> glm.
浏览 8提问于2021-06-01得票数 1
回答已采纳
关于线性回归模型中的交叉验证，我有一个问题。
根据我的理解，在交叉验证中，我们将数据分成(例如) 10倍，并从9倍和其余用于测试的折叠中训练数据。当我们从9倍训练模型时，我们是否应该得到一个不同的模型(可能与我们在使用整个数据集时创建的模型略有不同)？我知道我们平均接受所有的"n“表
浏览 13提问于2016-06-23得票数 2
回答已采纳
1回答
我使用了R^2度量来确定我的神经网络的非线性回归效果。而且看起来很管用。这些图看起来几乎相同，我得到的R^2值为0.93.它似乎工作得很好，但是有人告诉我，R^2应该只适用于线性数据。
浏览 0提问于2019-11-02得票数 1
我知道我们可以在简单的线性回归中进行交叉验证，如下所示scores = cross_val_score(lnrreg, X, Y, cv=4,scoring='neg_mean_squared_error')
但是我们如何对高阶线性回归进行cross_val_score()呢？
浏览 2提问于2017-10-10得票数 0
但是如果我们有多个特征来增加图形的维数，对吗？那么，如果不能绘制数据集，如何可视化数据集并确定线性回归是否适用呢？
顺便说一句，我知道有一个可以选择，线性回归可能不是最适合一个特定的问题。我是从一个我正在学习这个视角，而不是一个什么是最好的方式来做这个观点。
浏览 3提问于2015-06-02得票数 2
回答已采纳
2回答
我试图在线性回归中执行交叉验证，为此我使用库。关于对给定数据集执行交叉验证的适当方法，我有一个问题。让我有点困惑的两个API是cross_val_score()和任何正则的交叉验证算法，比如LassoCV()。
据我所知，cross_val_score是用来根据交叉验证获得分数的。并且，它可以与Lasso()结合，以达到正则化<
浏览 2提问于2018-03-27得票数 3
1回答
我有这个时间系列数据集，它有63个特性，其中57个是手工设计的。在检查共线性时，我得到了这个相关矩阵：可以看出，有许多变量是相关的/共线的。那些深红色的当然需要移除，但是那些在蓝色范围内的呢？这些变量(关于共线性的负范围)是如何影响回归模型的？另外，我从sklearn.feature_extraction模块中运行了一个递归的特征提取过程，它建议我使用39个特性作为
浏览 0提问于2019-10-20得票数 2
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
腾讯会议
云直播活动推荐
腾讯云开发者
