1回答
对于一维数据或由单个列组成的数据，计算错误(RMSE)非常简单。例如，我们可以使用python库。
from sklearn.metrics import mean_squared_error
RMSE = mean_squared_error(y_actual, y_predicted, squared=TRUE)
模型可以有多个输出列2、10甚至100。
如果数据没有列，如何计算RMSE？
例如：
y_act = np.array([1.022,0.94,1.278,2.096,1.404,
2.035,1.622,2.348,1.909,1.678,
1.638,1.742,2.279
浏览 0提问于2021-03-19得票数 2
1回答
嗨，我是线性回归的新手。我想知道
机器学习线性回归中b/w梯度下降和均方误差的差异是什么？
和
机器学习在线性回归中何时使用梯度下降和均方误差？或者什么时候在线性回归中使用哪一种算法？
有人能解释一下吗？
浏览 0提问于2018-10-04得票数 1
1回答
T.mean在中的意义是什么？如果实现是矢量化的，我认为T.mean是有意义的。在这里，x和y到train(x, y)的输入是标量，cost只查找单个输入的平方误差，并对数据进行迭代。
cost = T.mean(T.sqr(y - Y))
gradient = T.grad(cost=cost, wrt=w)
updates = [[w, w - gradient * 0.01]]
train = theano.function(inputs=[X, Y], outputs=cost, updates=updates, allow_input_downcast=True)
for i i
浏览 4提问于2016-08-22得票数 1
回答已采纳
6回答
在最小二乘模型中，成本函数被定义为预测值与实际值之差的平方，作为输入的函数。
当我们进行逻辑回归时，我们将成本函数更改为对数函数，而不是将其定义为sigmoid函数(输出值)与实际输出之间的差值的平方。
是否可以更改和定义我们自己的成本函数来确定参数？
浏览 2提问于2012-08-28得票数 22
回答已采纳
1回答
我需要一些失真处理的算法
、、、
我的问题是:我有一组4个点O，A，B，C位于一个曲面上。由于曲面的变形，点A，B，C被移动到新的位置，即A'，B'，C‘。现在我想找到O的新位置，它使两组距离(O'A'，O'B'，O'C'，O'O)和(OA，OB，OC，OO)的均方根误差(RMSE)最小化。有人知道哪种算法可以解决我的问题吗？
浏览 2提问于2015-12-01得票数 3
2回答
我正在读福斯特教务长和汤姆福塞特的“商业数据科学”一书。只有四分之一的路程。
我不清楚目标函数的概念。尽管如此，我还是要试一试，并寻求反馈意见。
例如，我们决定对给定的问题使用标准线性回归(假设我们有训练数据)。目标函数的目标是确定这些训练数据的最佳参数(权重)吗？
提前感谢！
浏览 0提问于2018-10-08得票数 0
回答已采纳
我是一个C++程序员。我想在C++中使用DSP算法。
理解数字信号处理背后的科学是实现DSP算法的先决条件吗？
浏览 0提问于2014-02-16得票数 -1
回答已采纳
1回答
我有以下脚本来拟合对数轴上的指数函数： start_exp = 21 # Start of fit
end_exp = 40 # end of fit
# fix the parameters of exponential Y = exponent1 *a*exp(exponent2 *b*t)
exponent1 = 3.
exponent2 = 2.
### The original data to perform the fit ###
bin_centers = np.array([9.31939514e-01, 1.71773809
浏览 20提问于2021-06-27得票数 0
回答已采纳
1回答
这个问题可能很愚蠢，但我已经尝试了几个小时，但我仍然找不到任何关于它的东西。也许我只是太迷茫了。
所以基本上，我是通过渐近和实验分析来分析算法的。渐近分析进行得很好，我得出结论，我的算法是O(nlogn)。问题在于实验分析。首先，我做了一些测试，以获得每次输入所需的时间。例如：
N= 1，t=0|n= 2，t=2|n= 4，t=8|n= 8，t= 24 |n= 16，t= 64 |n= 32，t= 160 (...)
如果我用这个例子做这个图，我可以看到它是一个O( n )/linearithmetic图，但是我如何证明它呢？我需要计算增长的顺序吗？如果是这样，我该怎么做呢？
谢谢你的帮助！
浏览 26提问于2021-02-23得票数 0
回答已采纳
有些帖子推荐，但是否有更简单的方法(例如，将图像转换为NumPy数组并使用枕头方法)？
浏览 10提问于2022-09-28得票数 0
回答已采纳
我似乎在将函数与我的数据进行拟合时遇到了问题。也许有人能帮我这个忙。 数据： xValues = [65.2, 65.4, 65.1, 65.2, 65.4, 65.6, 65.5, 65.4, 65.5, 65.7, 65.6, 65.9, 65.7, 66.0, 66.1, 66.0, 66.3, 66.4, 66.4, 66.3, 66.3, 66.5, 66.6, 66.6, 66.6, 66.7, 66.8, 66.9, 66.8, 67.1, 67.0, 67.1, 67.1, 67.1, 67.2, 67.3, 67.5, 67.6, 67.6, 67.6, 67.8, 67.
浏览 37提问于2020-09-03得票数 1
2回答
我想问一个相当简单的问题。我有很深的纯数学背景，所以我对成本函数的数学没有太大的理解困难，但我只想澄清在实际的神经网络中成本函数到底是什么(即在实际数据集上实现它)。
给定一个固定的训练样本，我们可以将成本函数看作权值和偏差的函数，从而优化该函数就是求出该函数的最小值。
在实践中，当你有数千个培训样本时，成本函数是什么？是否所有训练例子的成本函数之和？
浏览 0提问于2022-03-02得票数 0
1回答
学习神经网络我已经写了我自己的类。 import numpy as np
import random
def sigmoid(x):
return 1.0 / (1.0 + np.exp(-x))
def sigmoid_prime(x):
return sigmoid(x) * (1 - sigmoid(x))
def linear(x):
return x
def linear_prime(x):
return 1
def tanh(x):
return (np.exp(x) - np.exp(-x))/(np.exp(x) + n
浏览 19提问于2020-09-10得票数 0
1回答
问起来可能听起来很傻，但我正在寻找一个工具(或程序)，可以根据数据点给出回归模型的类型。例如： X轴(自变量)：50,542,632,865,952,1025,1558,2558 Y轴(因变量)：10,50,500,800,5588,5225,6852,12555 如果我给出上面的数据点作为输入，那么它应该返回哪个是适合它的壁橱模型(比如幂模型、线性模型或对数模型……) 或者，它也可以返回在这些数据点附近满足的等式(不需要是线性的)。
浏览 11提问于2019-12-11得票数 2
2回答
我正在尝试使用Phyton中的多元回归来计算X1^2+X2^2=Y。在CSV文件中，我有两列X1和X2，它们是介于1和60之间的随机数。我想预测测试数据的y值。但是我的模型误差太大了。
df = pd.read_csv("C:/Users/Büşra/Desktop/bitirme1/square-test.csv",sep=';')
x = df[['X1','X2']]
y = df[['Y']
x_train, x_test, y_train, y_test = train_test_split(x,
浏览 0提问于2019-11-07得票数 0
1回答
我正在阅读一本算法教科书，以提高我的算法技能，但我在这个问题上完全被困住了，这让我很困扰。我认为底层的数据结构是一个图表，但我甚至不知道从哪里开始这个问题。有人能给点见解吗？谢谢
给出了一个地形图，该地形图提供了任意两个相邻城市和两个城市a和b之间的直接道路上的最大高度。提出了一个线性时间算法，该算法可以找到从s到t的路径，从而使最大高度最小化。道路可以双向通行。
浏览 3提问于2013-10-01得票数 1
我试图将表单f(x)=1/x或某些类似于f(x)=1/poly(x)的函数与这些数据相匹配：
我尝试使用scipy.optimize.curve_fit，它确实工作，但不返回回归本身，我想知道函数本身，成功地拟合数据。此外，我还考虑了旋转和使用np.polyfit的选项，但我不知道如何将其反转回该形式的函数。
编辑
这是我大约12点的数据：
x_points= [8, 9, 10, 11, 12, 13, 14, 16, 17, 20, 22, 26]
y_points=[26, 22, 20, 17, 16, 14, 13, 12, 11, 10, 9, 8]
我可以生成更多的数据，但不超
浏览 18提问于2022-11-29得票数 -1
回答已采纳
我有一些数据，其中包括关于某一种鱼类的宽度和重量的信息。我用线性回归模型来预测权值输入宽度，我想要计算模型的均方误差。
如果我使用Scikit-learn库提供的函数mean_squared_error，其中包含y_test列表的值和预测值，如下所示：
mse = metrics.mean_squared_error(y_test, preds)
我得到一个大约5679.0812的均方误差，这是很高的。但是，如果在计算MSE之前对两个数组的值进行规范化，则得到一个更可接受的值约为7.3843e-05。
在计算MSE之前规范值是一个很好的实践吗？
谢谢。
浏览 7提问于2022-05-29得票数 1
我在做数据拟合。我需要一个表面。我用了两种方法。
1)双变量多项式回归。(线性/ OSL)和2)二次模型a_x^2+b_x+c。
我的问题是，我可以使用二次模型ax^2+bx+c进行非线性回归使用levenberg。因为我已经实现了
浏览 1提问于2017-04-13得票数 0
我正在使用OpenCV的calibrateCamera，并试图了解它是如何计算重投影错误的，以及这个错误代表了什么。这似乎是投影点和测量图像点之间欧几里得距离的均方根--这是对的吗？然而，最终的重投影误差被“最小化”意味着什么呢？calibrateCamera()是否显式地使用函数projectPoints()来查找投影点？
浏览 4提问于2016-06-18得票数 2
回答已采纳
1回答
我开始学习使用opencv进行最小矩形检测。我需要计算这方面的时间复杂性，但仍然对以下这些方法感到困惑：
findContours()。
minAreaRect()
任何人都可以帮我
这些方法是如何工作的？
这些方法的时间复杂度是多少？
任何引用都是值得注意的。
浏览 4提问于2015-03-17得票数 2
2回答
我知道线性回归做“回归”，logistic回归做“分类”。当我们实现这两种方法时，我能注意到的唯一不同是损失函数:线性回归使用均方误差这样的损失函数，logistic使用交叉熵。还有什么我不知道的区别吗？
浏览 0提问于2018-09-14得票数 1
回答已采纳
1回答
我正在研究如何评估卷积神经网络的性能，特别是我已经看到，我们必须同时考虑准确性和损失。我不明白为什么我们也要看损失，老实说，我还没有真正明白损失是什么。我知道，这是我们希望尽量减少，损失越低，性能越好。
但我也看到，如果损失太低，我们就太合适了，而且损失和准确性之间也有某种关系，但我不清楚这到底意味着什么。
对我来说，这个失去的概念，以及如何解释它，无论是单独的，还是关于准确性的，在目前看来都是一个抽象的概念。
有人能帮我澄清这个概念吗？提前谢谢。
例如，编辑，我获得了这个情节：
📷
我该怎么解释呢？
据我所见，列车组和测试组的损失似乎都以相同的速度减少了，如果发生这种情况，模型是好的，否则就
浏览 0提问于2019-12-06得票数 5
回答已采纳
1回答
假设图像上的随机高斯噪声，人们如何从数量上区分哪种去噪方法是最好的？
很多论文使用均方误差和峰值信噪比。然而，较低的MSE也可能意味着没有足够的噪声被去除，因此我认为MSE和PSNR并不是最好的判断方法。
浏览 5提问于2016-01-05得票数 0
1回答
我正在尝试理解卡尔曼滤波器的最佳性。根据维基百科的说法：“从理论上我们知道，卡尔曼滤波器在以下情况下是最优的: a)模型与真实系统完美匹配，b)输入噪声是白色的，c)噪声的协方差是确切已知的。”但是这种最佳性意味着什么，我如何测试它呢？
我在卡尔曼滤波器上找到了学生daves的例子，并开始测试它。我通过改变卡尔曼滤波器估计的噪声参数来做到这一点。我通过取估计误差的均方根对结果进行排序，并期望在噪声方差与真实噪声参数匹配时获得最佳结果。我错了。为什么会这样呢？
下面是我在测试中使用的matlab代码(从Student Daves示例修改而来)
% written by StudentDave
%
浏览 2提问于2014-08-05得票数 2
1回答
我正在使用h2o来检测数据中的异常。数据包含多个连续的分类特征，标签可以是0或1。现在，由于1的计数不到1%，我正在尝试异常检测技术，而不是使用通常的分类方法。但是，最终我得到了计算每行数据的MSE，我不确定如何解释它才能说实际的标签是0，但因为它是一个异常，应该是1。
到目前为止，我使用的代码如下：
features <- names(train.df)[!names(train.df) %in% c("label")]
train.df <- subset(train.df, label==0)
train.h <- as.h2o(train.df)
m
浏览 1提问于2016-01-27得票数 1
对于典型的机器学习，您通常会使用训练数据集来创建某种类型的模型，并使用测试数据集来测试新创建的模型。对于像线性回归这样的东西，在使用训练数据创建模型之后，您现在有了一个方程，可以用来预测测试数据中的一组特性的结果。然后，您将获得模型返回的预测，并将其与测试集中的实际数据进行比较。这里将如何使用验证集？
对于最近的邻居，您将使用训练数据来创建一个具有训练集所有特性的n维空间。然后，您将使用这个空间对测试数据中的特性进行分类。同样，您将将这些预测与数据的实际值进行比较。验证集在这里也有什么帮助呢？
浏览 0提问于2016-08-09得票数 4
回答已采纳
1回答
我目前正在阅读萨顿关于强化学习的介绍。在进入第10章(基于近似的政策预测)之后，我现在想知道如何选择函数q的形式，其中最优权重w将被近似。
我指的是Sutton下面伪代码的第一行:如何选择一个好的可微函数
？有什么标准的策略来选择吗？
浏览 6提问于2017-07-25得票数 4
回答已采纳
2回答
改进线性回归模型的技巧
、、、
我刚刚在包含7个自变量和1个目标变量的数据集上运行了一个线性回归模型。下面是R平方和MSE值。
训练集的均方误差: 36530921.0123
训练集的$R^2$值: 0.7477
有人能给我一些建议来提高这个型号的效率吗？
编辑:我刚刚实现了同样的问题，使用线性回归和归一化的特性。我得到了以下输出:训练集的均方误差: 5.468490570335696e-10训练集的R2值: 0.9275088299658416训练集的均方误差: 4.111793316375822e-10训练集的R2值: 0.9342888671422529。
那么，我们能考虑标准化数据集以获得更好的准确性吗？
浏览 0提问于2018-04-18得票数 3
回答已采纳
我试图在多个位置的SENet网络中间包括VGG16模块，然后使用Imagenette数据集对模型进行训练。然而，我得到了0的准确性。我只是一个初学者，可以帮助我解决这个问题。
我定义了senet块，然后嵌入到多个位置，创建了数据集，并且只使用其中的一部分来减少训练时间，最后将模型与训练和测试数据相匹配。
import tensorflow as tf
from tensorflow.keras.applications.vgg16 import VGG16 as Model
from tensorflow.keras.applications.vgg16 import preprocess_i
浏览 9提问于2021-11-01得票数 0
2回答
建立了目标在0~ 1之间的回归模型，目标的标准差为0.817 .5 2，模型的均方根均值为0.52。我想知道这个好模特是不是。
任何反馈都是有用的。
谢谢
浏览 0提问于2018-07-05得票数 1
我目前正在为我的论文处理实验数据，在使用scipy curve_fit时遇到了一个问题。 背景 这是一项关于LED发射的研究，其模型描述了特定LED成分/波长的吸收光谱。 模型是这样的： ? 基本的想法是，我们得到了实验数据，我们想要拟合这个方程，给我们一个最好的猜测，数据的垂直移动是实验中使用的设备的结果。为了获得垂直移位，curve_fit中使用的函数将采用a + c * E * np.sqrt(E-bandE) * np.exp(-E*b)的形式。bandE/Eg指的是将在规范部分中提供的材料的带隙能量。E是指光子能量。 我做了什么 我在pandas数据框中使用的值，我将其保
浏览 22提问于2021-03-28得票数 1
回答已采纳
我是OpenCV的新手，我必须执行一些相机校准功能。谁能告诉我OpenCV中CvLevMarq()类的用途和使用方法？
浏览 10提问于2012-11-29得票数 2
回答已采纳
如果我没弄错的话--尝试拟合一个模型；使用某种迭代算法，目标是最小化成本函数(例如OLS，MSE，RMSE，MMSE)。
我知道robustfit()方法使用普通最小二乘( OLS )代价函数对回归模型进行拟合，然后执行额外的加权回归以提供最终模型。另外，我认为fitlm()使用均方根作为成本函数。
我的第一个问题是:在Matlab中，代价函数和权重函数是否相同。另外，如何提供我的自定义成本函数(例如MSE)，同时让MATLAB进行拟合？
我知道了，robustfit()可以使用额外的/。但我又一次感到困惑，这会被视为成本函数吗？或者我需要使用其他类型的参数来提供我的自定义成本函数？
浏览 0提问于2018-05-14得票数 0
1回答
我正在努力更好地理解机器学习原理，但我有点拘泥于一切是如何联系在一起的。
例如，我的任务是对一组三种模式进行分类。每个模式都有一个与其相关联的目标值(例如，1、0和-1 )。我把算法通过LMS算法。
我计算了输出和错误：
a = w(n) * x(n)
e(n) = d(n) - w(n)x(n)
然后我重新计算了权向量：
w(n+1) = w(n) + alpha*x(n)*e(n)
我对这三种模式都这么做了。我将权向量的重新计算迭代了大约30次。
现在，我如何处理这个新的权向量，我已经创建了？我是否将这个权重向量应用于一组新的“测试数据”？
“会聚”的权重向量现在是否变成了试图对任
浏览 1提问于2016-09-16得票数 1
回答已采纳
1回答
我有一套产品。每个产品都是一个不存在的“父”的变体。而且，在我们的数据库中，每个产品(让我们称之为子产品)都有其各自指定的价格。下面是一个很小的例子。
父母SKU是1000。
产品儿童有：
1000-TankTop-SM - 14.95
1000-TankTop-2X - 17.95
1000-Hoodie-SM - 34.95
1000-Hooodie-2X - 39.95
这就是问题所在。我们的数据库在一对一的关系中列出了每个真实的子产品价格(就像在上面一样)。每个产品都有一个SKU，我可以通过SKU查询每个产品的价格。我有一个网站，不能支持这种定价方法。定价的方式就是这样。我创造了一个“
浏览 0提问于2016-01-06得票数 1
回答已采纳
1回答
给定时间序列数据，我希望找到最适合的对数曲线。在Python或SQL中，有哪些好的库可以做到这一点？
编辑:具体地说，我正在寻找的是一个库，它可以拟合类似于sigmoid函数的数据，具有上下水平渐近线。
浏览 0提问于2010-09-21得票数 1
回答已采纳
1回答
在神经NEtwork多层感知器中，我理解随机梯度下降与梯度下降的主要区别在于训练时选择了多少样本。也就是说，SGD迭代地选择一个样本来执行前向传递，然后反向传播来调整权重，这与GD相反，后者只在前向传递中计算了所有样本之后才开始反向传播)。
我的问题是:当渐变下降(甚至是小批量渐变下降)是选择的方法时，我们如何表示来自一个前进传球的错误？假设我的网络只有一个输出神经元，那么误差是由每个样本中所有单个错误的平均值还是全部误差之和来表示的呢？对我来说，这听起来像是一种依赖于实现的方式，但我想知道是否有这样一种传统的方式。
浏览 0提问于2017-12-09得票数 6
1回答
我试图用神经网络作为高维函数的插值器。
我们这样做是为了避免物理模型的需要，该模型精确地计算这个函数，但运行起来却很昂贵。我们有一个过去运行的这个物理模型的数据集，我们现在可以用它作为插值的基础。
输入是一个由28个参数值组成的集合。
我们试图估计的输出由432个周期函数的形状组成(即沿圆周的432个不同函数的值)。我们知道输出是由28个输入值唯一决定的，没有噪音。
例如，这里有一个周期函数。对于这个例子，它只采样了12个点(尽管在生产中，我们将对它进行更精细的采样，可能是一个圆周围的36个点)。
📷
我目前的神经网络Keras实现是：
输入层:28个单元(每个输入参数一个)
一个隐藏层:完全
浏览 0提问于2017-11-16得票数 2
1回答
使用具有多个损失的train_on_batch训练GAN模型，我可以在编译模型时使用随机loss_weights吗，或者是否有一些特定的策略来使用Here提到的这些损失权重。在我的问题中，mean_sqaured_error是generated_image和original_image的损失函数，binary_crossentropy是0和1类的分类损失函数。 model.compile(optimizer=optimizer, loss=['mean_squared_error', 'binary_crossentropy'], loss_weights=[
浏览 45提问于2019-01-07得票数 0
1回答
我目前正在构建一个使用Keras的神经网络来执行回归。
我有4个自变量W,X,Y,Z。分别用于预测f1(W,X,Y,Z)、f2(W,X,Y,Z)、f3(W,X,Y,Z) 3种不同的功能。
我的输出层应该有一个或三个神经元吗？此外，对于输出层，我应该使用relu或线性激活函数吗？我目前使用MSE作为我的损失函数和亚当作为我的优化器。
对于我的度量标准，我应该使用“准确性”还是“R2”？
有什么建议吗？抱歉，我刚开始深造.
浏览 0提问于2018-08-26得票数 2
回答已采纳
1回答
能量函数和损失函数有什么区别？
、、、、
在论文中，我看到了两个定义：
能量函数E(X, Y)通过推理过程最小化:目标是求出Y的这种值，使得E(X, Y)取最小值。
损失函数是利用训练集来衡量能量函数质量的一种方法。
我理解损失函数的含义(很好的例子是均方误差)。但是你能解释一下能量函数和损失函数之间的区别吗？你能给我一个ML或DL中能量函数的例子吗？
浏览 0提问于2018-05-15得票数 8
回答已采纳
我使用Google Bigquery训练了一个KMEANS集群模型，它在我的模型的评估选项卡中给出了这些指标。我的问题是，我们是试图最大化还是最小化Davies-Bouldin指数和均方距离？
浏览 4提问于2019-12-11得票数 4
1回答
我有一组数据点，它们看起来很像arctan(x)的某个版本。
xs <- seq(1000,50000,by=1000)
data <- c(0.101, 0.169, 0.209, 0.256, 0.289, 0.373, 0.391, 0.418, 0.477, 0.528, 0.579, 0.570, 0.602, 0.657, 0.690, 0.720, 0.747, 0.764, 0.781, 0.811, 0.842, 0.847, 0.864, 0.889, 0.871, 0.894, 0.897, 0.915, 0.926, 0.931, 0.932, 0.940
浏览 1提问于2018-05-05得票数 0
回答已采纳
1回答
我需要做一个图形抽象，我想展示这个项目的目标是预测两个参数之间的正相关关系。我不想像那样从谷歌上抓取照片。我可以在Python中生成一些跟随特定趋势线的随机点吗？
浏览 0提问于2019-02-19得票数 0
1回答
所以我有一个24位颜色的小图像(8x8像素)。我希望能够(快速)生成一个只有两种颜色的图像的彩色量化版本。
一种天真的方法是对图像的luma直方图进行聚类(一维聚类是更简单，而不是2D或3D )。色度可以通过平均每个簇中的像素来生成。不幸的是，如果图像具有统一的luma，这种技术就不能很好地工作。
有什么想法吗？
浏览 0提问于2018-04-04得票数 0
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
腾讯云开发者
