我试验了不同的建模方法,包括KNN、决策树、神经网络和SVN,并试图对我的数据进行拟合,看看哪种方法最有效。令我惊讶的是,决策树的最佳工作方式是训练精度为1.0,测试精度为0.5。无论训练精度为0.92,测试精度为0.42,神经网络的性能都是最好的,比决策树分类器低8%。
请有人解释一下,与决策树这样的建模技术相比,神经网络可能具有低精度的情况/情况。我尝试过不同配置的神经网络,比如:
1 hidden layer and 1 neuron : Train Accuracy 34% Test Accuracy 42%
7 hidden layers and 5 neurons in each
我正在尝试开发一种算法来检测梯形形状。我正在试图找出一种方法来检测梯形的倒置角度,以区分正方形和梯形。
我只是在轮廓线上循环,并尝试通过其他特征来区分梯形,因为我不太确定如何检查梯形上的线条是相反的。有什么想法吗?
下面是我正在跟踪的一个示例:
这就是我到目前为止想出来的:
for cnt in contourList:
hull = cv2.convexHull(cnt)
x, y, w, h = cv2.boundingRect(cnt)
area = h * w * 1.0
originalArea = cv2.con
我正在尝试创建一个梯形的div形状,并希望将文本放置在中心。我目前有一个顶部边框形状像梯形的div。这样做的问题是文本位于div的中心,而不是梯形的中心。我可以改变页边距并手动将文本放在中间,但这太麻烦了,需要布局来响应不同的屏幕大小。我想把div的主体做成梯形,这样就可以很容易地将文本居中。我在网上到处寻找如何做到这一点,但所有的答案都有相同的方法,只是将顶部或底部的边界设置为梯形。
import React from 'react'
import "../css/WelcomeScreen.css"
function WelcomeVisitor(){
我做了神经网络,它是pre-trained for 180 days of data.
It filters the fraud data of credit cards everyday and 1-days new data is comming in.
我还想在过滤之后,
我想重新训练我的人工智能模型,但我只想使用新的1天数据(因为训练神经网络真的很费时)。
我的人工智能模型是0(非欺诈)/1(欺诈)分类模型。我想用1/181改变我的神经网络.因为数据量只是一天
我该如何训练神经网络?如果我只使用了一天的数据,运行了许多时代(时间),它将过度适合.通过早停,似乎一天的数据列车不是.足够.