1回答
我有一个具有A...F特征的数据集用于训练。现在我的预测数据集预测的关键特征没有在训练集中使用的3个特征的观测值。因此，我只有一个用于预测的特征子集，而神经newtork是针对更广泛的特征进行训练
浏览 3提问于2017-05-07得票数 0
1回答
我想做一个神经网络来预测谁会赢得一场足球比赛。我有几个特征(比如团队，团队的体型，等等)和一个输出，告诉哪一队赢了(或者是否有骰子)。我正在使用Python中的Keras作为一个库来轻松构建神经网络。
浏览 9提问于2017-12-29得票数 0
3回答
我是机器学习领域的新手，我有一个问题要问。但让我先发布这个问题。我选择了解决方案:在大多数情况下，解决方案也是非常简单的。利用SIFT、SURF等算法提取兴趣点，得到这些关键点的描述子，并用K均值算法对其进行聚类。然后使用这些聚类数据生成单词包，然后从那里开始。
我无法理解的是我可能需要的集群数
浏览 0提问于2016-12-26得票数 0
1回答
我目前正在使用tensorflow创建一个神经网络来进行基本的二进制分类，并且我想在训练后检查模型的偏差。
我有一个大约300,000个样本的数据集，每个样本都有一个包含112个特征的列表。在训练之前，我们已经选择了20个我们想用来预测的特征--种族是数据集中的一个特征，但它不用于训练
浏览 0提问于2022-06-07得票数 0
我在CNN上有一个问题，模型是否应该采用训练中使用的所有输入来预测新样本？如果我想为医院建立一个系统，通过图像和一些特征(如年龄和身高)来预测疾病，但用户不需要输入这些特征，以防它们不可用，所以他只能输入图像。在美国有线电视新闻网上有可能这样做吗？因为据我所知，所有用于训练的输入都应该用于测试和预测新数据
浏览 2提问于2021-09-27得票数 0
我目前正在Kaggle上将Tensorflow应用于泰坦尼克号的机器学习问题：
我的训练数据是891 *8 (891个数据点和8个特征)。目的是预测泰坦尼克号上的乘客是否生还。我使用的是单层神经网络。我尝试将神经网络做出的一些预测提交给Kaggle，到目前为止，我所有的尝试都有0%的准确率。然而，当我将前10名乘客的</
浏览 3提问于2016-08-10得票数 0
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。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
浏览 0提问于2020-02-28得票数 1
2回答
我在ML中迈出了我的第一步，特别是文本情感分析的分类器。我的方法是进行通常80%的训练数据集和20%的测试。有了一个经过训练的模型，当新特征出现(文本中的新词没有出现在初始数据集中)时，在生产环境中进行的最佳方式是什么？
浏览 19提问于2017-08-08得票数 0
2回答
我正在阅读关于人工神经网络的文章，据说人工神经网络用于训练数据训练后的预测。并给出了神经网络在分类中的应用。假设我的数据包括输入as (\theta，sin(\theta))和输出as -1 (如果它位于正弦波的上半部分，则为+1 )。这里是否保证经过训练的神经网络总是产生输出为+1或-1 (
浏览 0提问于2017-04-09得票数 -1
回答已采纳
2回答
假设我对用于训练Learner的训练集应用了以下预处理 preprocess <- po("scale", param_vals = list(center = TRUE, scale = TRUE))encode",param_vals = list(method = "one-hot")) 我想用predict(Learner, newdata = pred, predict_type="prob")命令预测数据</e
浏览 32提问于2020-10-06得票数 0
回答已采纳
1回答
基于小序列的后续序列预测
、、、
我是全新的机器学习，我有一个问题，我想解决使用一些人工智能左右。如果你能给我推荐一些具体的算法，神经网络体系结构或相关的阅读材料，我将不胜感激。，让我介绍一下问题
我有很多序列。每个序列的长度可能不同。当生成序列数据
浏览 3提问于2017-04-06得票数 2
2回答
我的数据集有一个1000个输入的训练集，有6个特征。(数据集大小为1000*6)。我将KPCA应用于数据集，并将特征数量减少到3。这意味着特征向量矩阵的维数现在是1000*3。我使用减少的数据集来训练神经网络。在训练完网络之后，现在，让我们想象一下，我想要对一个新数据(大小为
浏览 1提问于2016-02-02得票数 0
1回答
我正在尝试使用反向传播神经网络对特定问题进行留一交叉验证。我的训练数据中有8个特征和20个实例。我正在尝试让神经网络在建立预测模型时学习一个函数。现在，问题是预测中的错误率相当高。我的猜测是，与考虑中的特征数量相比，训练中的实例数量更少。这个结论是正确的吗？是否有最优的功能与实例比例？
浏览 0提问于2011-11-11得票数 5
回答已采纳
1回答
如果我的问题很愚蠢，请原谅，我还是个新手。我想用时间序列预测和一个输入是一维卷积层的神经网络进行实验。 现在，据我所知，输入形状需要是(长度特征集，通道数)。在我的模型中，我有大约400k个数据点x 6个通道。我想训练-比方说- 100个数据点到过去，它们对应于我试图预测的一个标签。如果我理解正确，我必须从原始数据中提取大量特征集(“切片”)，然后将其应用
浏览 11提问于2020-11-26得票数 0
2回答
我有一个经过预先训练的XGBoost模型从一个泡菜文件中读取。当我试图在模型特性集之外的一些列上对新的数据集进行预测时，我收到了错误消息：
是否有一种方法可以从经过训练<em
浏览 0提问于2019-03-12得票数 3
回答已采纳
我构建并训练了我的神经网络，现在是时候对给定的输入数据进行预测了。但我不知道用训练好的神经网络进行快速预测的正确方法。我目前正在做的是每次加载模型并对其进行预测。我想知道是否有一种方法可以永久地将模型加载到内存中(用于会话)，然后进行预测。
浏览 18提问于2017-07-31得票数 3
回答已采纳
2回答
我在不同的数据集上运行了LSTM和SVR模型，样本值在1-4000之间，并且SVR中的MAPE始终小于通过LSTM获得的MAPE。我希望有任何反馈意见和任何链接到文章或论文(到目前为止，我发现了非常不同的意见)。
浏览 0提问于2019-06-28得票数 0
1回答
BoxConstraint',1);z = kfoldLoss(CVSVMModel)
在第一行中，采用fitcsvm模型进行孔数据训练将Crossval设置为on in fitcsvm的目的是什么(默认情况下，这个选项有10倍的交叉验证)？crossval和kfoldLoss使用与上面相同的方法？如果是的话，为什么MATLAB文档只提到这个方法，而不设置交叉验证的Crossval方法？如果这些过程是相同<
浏览 11提问于2016-02-13得票数 5
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
