计算模型连续预测同一标签的次数
是指在机器学习和数据挖掘领域中，模型对于某个特定标签的预测结果连续出现的次数。
这个概念通常在序列预测、时间序列分析和自然语言处理等任务中使用。在这些任务中，我们希望模型能够对连续的数据进行预测，并且能够捕捉到数据中的一些模式和趋势。
连续预测同一标签的次数可以用来评估模型的稳定性和准确性。如果模型能够连续预测同一标签的次数较多，说明模型对于该标签的预测结果比较可靠。反之，如果模型频繁出现预测错误或者预测结果不稳定，可能需要进一步优化模型或者调整数据处理方法。
在实际应用中，连续预测同一标签的次数可以用来进行模型的评估和选择。较高的连续预测次数通常意味着模型的性能较好，可以提高任务的准确性和稳定性。
腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，可以帮助用户进行计算模型的开发和应用。其中，腾讯云机器学习平台（Tencent Machine Learning Platform）提供了丰富的机器学习算法和模型训练工具，可以帮助用户构建和训练自己的计算模型。同时，腾讯云还提供了云服务器、云数据库、云存储等基础设施服务，以及人工智能、物联网和区块链等相关技术的支持。
更多关于腾讯云机器学习平台的信息，请访问腾讯云官方网站：腾讯云机器学习平台
相关·内容
我有一个LR模型，并在testData上测试它。现在我应该计算结果的精度。
我可以得到精确度：
val precision = metrics.precision
precision: Double = 0.9801503759398497
而且还
// Precision by labels
Precision(0.0) = 0.9979625101874491
Precision(1.0) = 0.9299655568312285
根据spark MLLIB，第一个精度被定义为总体统计信息。
但它也令人困惑，精度和标签精度之间的区别是什么？(精度定义为真实预测率)。
浏览 0提问于2016-03-07得票数 0
1回答
我正在LSTM网络上工作，以检测道路上的一个坑。我有一个包含汽车每个轮子轮速的数据集。当出现凹坑时，接下来的40个标签是'1‘。所有其他标签都是'0‘。这是我的模型：
model = Sequential()
model.add(LSTM(64,input_shape=(len(X_train[0]),1),return_sequences=True))
model.add(Dropout(0.5))
model.add(Activation('relu'))
model.add(BatchNormalization())
model.add(LSTM(64,i
浏览 0提问于2018-05-11得票数 0
2回答
我有一个包含x变量和目标y的数据集(在0到100%之间，所以0和1)
我的目标是预测一个样本是在y [0,0.25)，[25，50]或50,100组中。
我想知道我是否应该使用一个分类模型，用3个标签0,1,2对这些组进行编号，还是执行一个回归来获得一个特定的值(例如，0、18或18%)，然后再进行分组。应该使用哪种方法/产生更好的结果？(以及原因)
浏览 0提问于2022-05-03得票数 0
1回答
我正在使用奈维斯贝叶斯模型进行二进制分类，使用离散变量和连续变量的组合。我的问题是，对于连续和离散的观测变量，我能使用不同的条件概率分布(CPD)函数吗？例如，用高斯CPD表示连续变量，对离散变量使用确定性CPD？
谢谢
浏览 12提问于2015-02-20得票数 1
回答已采纳
1回答
在一个过程中训练和预测两个标签
、、、、
我有一个python程序，它使用scikit进行预测--学习RandomForestClassifier。这个标签叫做“默认”，它是贷款的默认状态。这个很好用。
我现在需要的是扩展这个模型，并有另一个标签，称为“预付百分比”，需要使用与“默认”标签相同的数据进行培训。理想情况下，该模型将被训练一次，预测也将只对两个标签运行一次。这与RandomForestClassifier是可能的吗？
浏览 0提问于2021-05-03得票数 0
回答已采纳
2回答
我试图使用SK学习对时间序列标记的数据进行线性回归。我的数据格式是data=(timestamp,value,label)
分配给我的数据的标签要么是0，要么是1。
我的问题：
1-示例中培训数据的标签在哪里？他们在diabetes_y_train吗？
方法的返回值是多少？在我的代码中，它返回一个n_samples数组作为0,1范围内的预测值。
浏览 7提问于2016-06-01得票数 1
回答已采纳
1回答
我正在研究一个模型来预测一个客户在未来6个月内会成为一个产品的“市场中”。dataset拥有丰富的信息，如生活方式和人口统计变量以及以前的事务历史。将人口和生活方式数据与交易历史相结合的最佳模型是什么，以预测未来6个月的购买情况？一个预测可能购买的模型和一个类似生存模型的组合是否能预测购买何时发生？
有没有类似于此的真实世界的例子？基本上可以预测购买时间。
浏览 0提问于2019-08-29得票数 1
如果所有分类标签都可以用数值表示，这是否意味着我可以通过将分类标签编码为数字来在任何分类任务中使用回归模型？
我最近正在研究一个二进制分类问题，它有两种输出类型：'0‘代表正面，'1’代表负面。我使用随机森林分类器来解决这个问题，但我看到其他人使用随机森林回归来解决同样的问题。经过思考，这对我来说是有意义的--最终的期望输出是连续值，我可以训练一个回归模型来获得表示输出类别的预测连续值。
这让我思考是否可以在其他分类任务中使用回归模型。例如：
为了对“猫”和“狗”这两个图像进行分类，我使用LabelEncoder将其编码为0和1，然后它就变成了一个回归问题。
希望我的问题清楚了
浏览 23提问于2019-07-30得票数 0
回答已采纳
1回答
为了保持简短，我训练了一个二元分类模型，每个类的数据都是相等的，这样就不会出现类不平衡。该模型对10,000幅带有各自标签的图像进行了训练，并在6,000幅带有相应标签的图像上进行了验证。
结果是一个精度为0.995的模型，这意味着该模型的实现将在0.995个时间内对正确的类进行分类。(模型并不总是选择A类，而且0.995的时候是正确的，因为没有阶级不平衡)
然而，情况并非如此。此外，数据已经被洗牌，所以模型也不是猜测前5000张图像的A类，然后猜测B类来获得0.995的准确性。
我注意到的全部代码、问题和事情都在我的github上：
随意下载和使用模型，以便看到飞鸟机器人的结果。
编辑1
浏览 0提问于2019-06-27得票数 0
回答已采纳
我有一组来自模型的预测和一组观察值的真实值，我想创建一个ROC。
预测的质量(以绝对误差计算)与预测的大小无关。所以我有一组预测(pred(1)，pred(2)，...，pred(n))和观察值(obs(1)，obs(2)，...，obs(n))。
有人告诉我将我的二进制分类向量标签(I)的元素创建为label(i) = ifelse(|obs(i) - pred(i)| < tol，1，0)，然后计算AUC (tol是某种重新指定的公差)。因此，对于每个预测，如果它接近相应的观察值，则相应的标签为1，否则为0。
有人能给我讲讲这里该怎么做吗？上面给出的建议有效吗？或者在这里使用ROC是
浏览 1提问于2016-05-18得票数 0
2回答
我有数据描述的基因，每个得到4个标签，我用这个来训练模型预测/标签其他未标签的基因。我有一个巨大的阶级不平衡，10k基因在一个标签和50-100基因在其他3个标签。由于这种不平衡，我试图将我的标签转换为一个模型的数值，以预测一个分数，而不是一个标签，减少偏见。
目前，从我的4个标签中(最有可能、最有可能、最不可能影响疾病)，我将这4个标签转换为0-1之间的分数:最有可能: 0.9，可能: 0.7，可能: 0.4，和最小可能性: 0.1 (根据以前标签定义在数据中的相似程度决定)。我一直在用散点图和线性模型来尝试理解哪种模型最适合我的数据并减少过度拟合，但不确定是否有更多的我可以从这里推断出，除
浏览 0提问于2020-03-27得票数 1
回答已采纳
1回答
我正在使用GluonTS开发DeepAR。在我使用适当的方法训练了一个模型后，我得到了一个预测器，我将其命名为predictor。然后，我使用它来执行一个预测，如下所示： predictor.predict(
ListDataset([{"start": ..., "target": ...}], freq='120min')
) 我注意到，多次执行这些代码会产生不同的预测。我也试着用随机模块的函数设置一个种子，但是不起作用。你有什么想法吗？提前感谢
浏览 31提问于2020-06-26得票数 1
回答已采纳
问题是:使用标签的过去作为特征是正常的/通常的/专业的吗？虽然这是一个基本的问题，但我找不到任何可靠的东西。
编辑:请注意，这不是一个时间序列问题，我已经删除了时间序列标签，我改变了问题。这个问题是关于功能，有规律的变化随着时间的推移，是的！但是我们没有从这个系列中创建一个时间序列，因为还有许多其他特性不像标签，也是模型中的重要特性。现在，请考虑使用过去的标签作为普通功能，而没有时间序列方法.。
我试着预测一个月的数据，这是一个月，因此一个时间序列，但我没有使用它作为一个时间序列，它只是每月的各种不同功能的数据。
这是一个分类模型，现在我想预测这个时间序列中选定月份的标签列。所选标签月份之前的
浏览 3提问于2019-12-02得票数 1
回答已采纳
我想知道如果我使用R-package randomForest在随机森林模型中包含两个级别的变量，实际会发生什么。我熟悉在多级数据上使用逻辑回归，其中您必须指定级别。随机森林也有类似的东西吗？或者，我是否可以将国家级变量和个人级变量放在同一随机森林模型中，并比较所有变量的重要性？
会很感谢你的帮助的。
浏览 1提问于2017-05-21得票数 2
我正试图用一种不同的方式来计算性能，它现在是如何为模型内置的。
我想访问交叉验证期间的原始预测，这样我就可以自己计算性能了。
g = h2o.get_grid(grid_id)
for m in g.models:
print "Model %s" % m.model_id
rrc[m.model_id] = m.cross_validation_holdout_predictions()
我可以用数据集上的模型运行预测，但我认为这个测试可能会有偏差，因为模型以前见过这些数据，还是没有呢？我是否可以对同一数据集进行新的预测，并使用它来计算性能？
浏览 2提问于2017-09-16得票数 2
回答已采纳
我有一个项目，我想预测两个标签，由于可用的数据量(300~)，我想远离神经网络。以虹膜数据集为例。我想训练和预测的标签是物种(分类问题)，然后是Petal.Length (回归问题)。我这么说是因为我想更精确地预测Petal.Length。因此，如果分类器预测'setosa'，我只运行一个独立训练的'setosa‘类的回归模型。这是推理的声音，还是我应该用“物种”作为回归者？
无论哪种方式，我都试图在R或Python中为我找到一个算法/包/方法，而不必分别构建分类模型和回归模型。下面是我想要做的事情的R代码：
library(caret)
df <- iris
i
浏览 0提问于2022-11-01得票数 0
1回答
在训练我的模型和检查混淆矩阵时，每个特定类别都有完全零列，这意味着什么，是否有错误，或者如何解释它？
我使用混淆矩阵显示函数，并给出了这个结果。
📷
谢谢你的回答
浏览 0提问于2022-06-08得票数 0
回答已采纳
以防我想要向现有的分类模型添加更多的训练数据。由于标记训练数据的成本很高，我只想将最有价值的数据标记到现有模型中。
例如，我们的分类问题中只有两个类别(A/B)，然后使用现有模型预测三个无标签数据，并获得概率分布：
Data A B
Case 1: features -> 0.9 0.1
Case 2: features -> 0.6 0.4
Case 3: features -> 0.5 0.5
案例3应该是最有价值的训练数据，因为当前模型不知道它属于哪个类。是对的吗？如果是这样的话，熵在这里应该是一个很好的指标，但是我就是找不到中tf.
浏览 0提问于2017-04-05得票数 0
我用Keras实现了一个神经网络。一旦训练并测试了最终测试的准确性，使用了一个包含特征的矩阵(加上相应的标签)，我就有了一个可以用来预测的模型。
如何向模型提供一个未见的示例，即特征向量，以获得类预测？
我看过他们的文档，但找不到一个方法。
浏览 3提问于2017-04-28得票数 0
回答已采纳
我正在研究一个使用LSTM预测股票价值的问题。 我的工作基于以下project。我使用了一个总长度为12075的数据集(股票价格的时间序列)，我将其分为训练集和测试集(几乎占10%)。它与link项目中使用的相同。 train_data.shape (11000，) test_data.shape (1075，) ? 在我们的模型中，我们首先在多对多lstm模型上对其进行训练，在该模型中，我们提供N个输入序列(股票价格)和N个标签序列(通过将train_data排序为N个片段作为输入进行采样，标签作为输入的以下值序列进行采样)。 然后，我们开始分别预测每个值，并将其作为输入提供给下一次，
浏览 170提问于2019-02-11得票数 1
回答已采纳
此问题与视频智能(自定义标签)的AutoML相关。
在设置训练数据时，系统会指示您仅标记带有自定义标签的视频(而不是没有该标签的视频)。模型如何训练以识别自定义标签的真实负片？
浏览 10提问于2019-05-02得票数 0
1回答
我正在尝试从使用python库创建的XGBoost保存的模型中获取.tar.gz文件中的置信区间。
问题是模型已经被拟合了，而且我已经没有训练数据了，我只是有推论或服务数据来预测。我发现的所有例子都需要使用训练和测试数据来创建分位数回归模型或打包模型，但我认为我没有机会这样做。
浏览 2提问于2020-09-01得票数 1
1回答
我需要使用编解码结构来预测2D轨迹。由于几乎所有可用的教程都与NLP -with稀疏向量相关，所以我无法确定如何使解决方案适应连续数据。
除了我对数列模型的无知之外，embedding过程对单词的理解更让我困惑.我有一个由3,000,000个样本组成的数据集，每个样本具有x-y坐标(-1，1)和125观测值，这意味着每个样本的形状是(125, 2)。我想我可以认为这125个字与二维已经嵌入的字，但编码器和解码器在这个Keras教程期望三维数组为(num_pairs, max_english_sentence_length, num_english_characters)。
我怀疑我是否需要用这
浏览 0提问于2020-12-12得票数 0
回答已采纳
1回答
我正在使用SIMR包来估计我的模型的功率和效果大小。不过，我不明白这个包是如何估计效果大小的，以及它报告了什么样的效果(是Cohen's d吗？)。
例如，对于我的模型，其中AQ和LSAS是连续预测器，cond是分类(3级)预测器，我得到以下输出(针对AQ)：
> model.cnv.cue = lme4::lmer(DV ~ AQ_centr + cond + LSAS_centr + (1 | code), data = mydata, REML = FALSE)
> powerSim(model.cnv.cue,nsim = 200)
Power
浏览 2提问于2018-09-24得票数 1
我正在构建一个简单的GLM模型，如下所示： model1 = glm(y ~ x1 + x2 + x3, data=train) 并且我使用预测函数来给新的预测打分 newpred = predict(object=model1, newdata= validation, type = 'term') 通过指定选项type = 'term'，我希望获得单个术语预测(即beta1 * x1、beta2 * x2等)。然而，事实证明，type = 'term'选项将返回以0为中心的“Centerized”预测(如此处所述：What does pre
浏览 24提问于2020-09-28得票数 2
我目前正在使用TensorFlow来解决多标签分类问题(总共有9个标签)，这是模型编译行：
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
my模型的y_true标号由2的1's和7的0's (例如0，1，0，0，0，1 0，0，0，0)组成。
我用TensorFlow尝试了几种模型，但是不管模型有多复杂，精度都很低，精度在0.3左右。
我想知道Keras的准确性指标是否也适用于多标签分类。例如，如果y_pred的概
浏览 4提问于2021-11-05得票数 2
回答已采纳
1回答
使用语言线索自动识别会话中的人格和文本www.aaai.org >Jair-3012PDFWeb结果使用语言线索自动识别人格。
在阅读论文的过程中，我发现得分是通过回归模型得到的。但是，我找不到包含评估分数的数据。我可以看到包含1/0 (分类)文本的文章数据集。
如果我漏掉了什么，请告诉我。
谢谢,
浏览 0提问于2021-03-01得票数 1
1回答
目前，我正在使用使用sdk构建的azure管道来训练模型。我正试图在我的ml步骤中添加交叉验证。我注意到，您可以在配置autoML时将其添加到参数中。我的数据集由30%标签0和70%标签1组成。
我的问题是，在执行交叉验证时，azure autoML是否分层数据？如果不是，在将其传递给autoML之前，我必须自己进行拆分/分层。
浏览 3提问于2022-09-15得票数 0
1回答
如何使用高斯输出层训练对实数进行回归的神经网络模型？估计预测的平均参数和std参数。因为在训练期间，只有一个真正有价值的目标。会不会从输出高斯分布中抽取一个样本，然后对目标进行损失？或者会有两个目标，一个是平均值，一个是性病。
亚马逊的深度AR预测模型为时间序列预测做了类似的工作，在该模型中，RNN输出的FC层预测高斯分布的均值和std参数。但是，目标标签将只包含一个实数。那么如何计算损失呢？从高斯分布中提取样本，然后使用它？这种抽样是在RL中进行的，目的是鼓励探索，但我不知道在训练回归模型时是如何做到的
浏览 0提问于2021-11-04得票数 1
3回答
任务：
我有一个包含职务和描述的数据集。任务是根据职务名称和描述来预测职务标记。
每个职务公告有几个标签。因此，该模型的标签数量将以数万个为单位。
职位公告数目= 78042
唯一类数(标签)= 1369
📷
📷
问题：
你能告诉我神经网络的工作类型(在Keras中是可取的)吗？
或者你知道如何用经典的机器学习算法来解决这个问题？
不过，我将非常感谢链接到文章，其中类似的问题得到解决。
浏览 0提问于2018-08-20得票数 9
回答已采纳
1回答
假设我有一组输入变量(A、B、C和D)，并使用机器学习模型(在我的例子中是XGBRegressor)预测目标(y)，具有合理的性能(测试集上的相对误差为5%)。
from sklearn.datasets import make_regression
import pandas as pd
from xgboost import XGBRegressor
X, y = make_regression(n_samples=500, n_features=4, n_informative=2, noise=0.3)
X = pd.DataFrame(X, columns=['A'
浏览 0提问于2018-09-24得票数 4
1回答
我有一个数据集，我想应用机器学习算法进行多类分类。我的目标变量的一个示例(以字符串格式表示，稍后将是OneHotEncode-d)：
| target |
+-------------------+
| (Mike, Michael) |
| (Anne, Annabelle) |
| (Joe, Joseph) |
| (Mark, ) |
| (Aaron, ) |
+-------------------+
我希望有一个模型，例如，预测Joseph，但不认为它是错误的，因为它是两个可能的答案之一。
这是多类问题还是多标
浏览 0提问于2020-10-02得票数 1
1回答
from sklearn.metrics import accuracy_score
accuracy_score(y_true, y_pred)
我相信这段代码将返回我们预测的准确性。然而，我正在比较连续值的预测值和实际值，我相信它们中的大多数不会完全相同。
我是否应该拟合测试集值并绘制预测值，以获得R平方？
有人能建议我如何在连续变量的情况下衡量预测的准确性吗？
浏览 1提问于2018-03-05得票数 3
回答已采纳
1回答
我在应用ROCR库的方法性能时遇到了一些困难。
#EX1
model <- glm(Good.Loan ~ ., data=trainSet, family=binomial(link="logit"))
testSet$predGood.Loan <- predict(model,newdata=testSet)
pred <- prediction(predictions = testSet$predGood.Loan, labels =
testSet$Good.Loan)
perf <- performance(pred, measure = &
浏览 0提问于2015-07-06得票数 1
我目前正在用PyTorch中的自定义优化器训练一个ResNet18模型。 我使用的是CrossEntropyLoss()和PyTorch的ResNet18模型。在tensorflow中，输出具有所需的形状，但在pytorch中，为了找到准确性，必须找到预测标签的argmax。 如果我的batch size = 64是resnet模型，为什么预测的标签是形状64,1000 这1000个值对应于什么？
浏览 167提问于2021-10-13得票数 0
回答已采纳
1回答
标记和聚合特征问题
、、、、
我正在尝试构建一个简单的二进制分类器(目前是一些基于树的算法)，并且我的训练数据将具有聚集在用户级别上的特性。因此，我将有每个用户的独特记录。这些聚合功能类似于“登录会话的数量”、“点击配置文件按钮的次数”等等--本质上这些都是网站浏览行为特性。
我想预测的是if someone would be interested in subscribing or not。一些用户可能会在开户后立即订阅，一些用户可能在几天后就会订阅，而有些用户则可能根本不订阅。我的标签将是1(订阅)和0(没有订阅)。
客户只有在登录后才能订阅。因此，在我的数据集中，我将有登录计数范围为1-N的用户。因此，我对特性的聚合
浏览 0提问于2021-08-06得票数 2
回答已采纳
我有一个名为"quality“的连续目标变量，范围从0到10。数据集中还有11个输入变量。
当我使用sklearn的DecisionTreeClassifier()构建我的模型时，我得到了60%的分数，但是当我使用sklearn的DecisionTreeRegressor()构建我的模型时，我只获得了3%的精度，而且RMSE达到了85%。
另外，当使用线性回归时，我的R-平方值是0.376.是不是很好？
数据集链接：https://archive.ics.uci.edu/ml/datasets/Wine+Quality
我做错什么了吗？
我需要帮助。谢谢。
浏览 0提问于2019-07-14得票数 1
回答已采纳
我正在做一个二进制分类的kaggle竞赛。我想输出概率输出(软标签--介于0和1之间的某个值)，而不是只输出0和1。使用随机森林分类器
浏览 1提问于2021-03-25得票数 0
2回答
在分类任务中，我们可以将输出向量解释为模型对输入有一定的标签的“信心”程度。例如,
y = [0.01 0.20 0.99 0.10]
这意味着模型是99%确定输入有带有索引2的标签，1%确定它有带有索引0的标签。
我的问题是:对于回归任务，是否有等效的？
如果我的输出看起来像
y = 0.33
有没有一种方法来衡量这个模型是如何“确定”的，即产出真的是0.33？
浏览 0提问于2020-07-15得票数 2
回答已采纳
我有一个y_test.shape = (2005，1)我建立了一个模型并做了如下预测prediction=model1.predict(np.array(test_x))
我得到了预测形状(2005，7)
我想得到模型的精度，但由于形状不同，我无法执行执行精度计算。模型预测的工作方式是每个类都在一个列中，如果图片属于这个类，它将有1。有没有方法使它向量，每行对应于类号。
另外，如果我有标签测试，还有其他方法来获得预测的准确性吗？我想把它和预测结果进行比较？
浏览 0提问于2021-03-28得票数 0
我试图在验证集上确定适合模型的roc_auc_score。
我看到一些关于函数输入的相互矛盾的信息。
说：
"y_score数组状形状(N_samples)或(n_samples，n_classes)目标分数。在二进制和多标号情况下，可以是概率估计，也可以是非阈值决策值(如decision_function在某些分类器上返回的)。在多类情况下，这些必须是概率估计，其之和为1。二进制情况需要形状(n_samples，)，而分数必须是带有更大标签的类的分数。多类和多标签的情况需要一个形状(n_samples，n_classes)。在多类情况下，班级分数的顺序必须与标签的顺序相对应(如果提供
浏览 3提问于2020-12-21得票数 5
回答已采纳
库: Keras，后端:Tensorflow
我正在训练一个单类/二进制分类问题，其中我的最后一层只有一个节点，激活了sigmoid类型。我正在用二元交叉熵损失来编译我的模型。当我运行代码来训练我的模型时，我注意到损失大于1。这是对的，还是我哪里出错了？我查过标签了。他们都是0和1。
二元交叉熵损失是否可能大于1？
浏览 1提问于2018-04-17得票数 5
回答已采纳
我有一个用于语义分割的网络，我的模型的最后一层应用了sigmoid激活，所以所有的预测都在0-1之间缩放。有一个验证度量tf.keras.metrics.MeanIoU(num_classes)，它比较分类预测(0或1)和验证(0或1)。所以，如果我做一个预测并应用这个度量，它会自动地将连续的预测映射到阈值= 0.5的二进制吗？是否有可能手动定义阈值？
浏览 4提问于2020-01-30得票数 5
回答已采纳
1回答
在查看问题时，我无法为geom_smooth指定一个自定义线性模型。我的代码如下：
example.label <- c("A","A","A","A","A","B","B","B","B","B")
example.value <- c(5, 4, 4, 5, 3, 8, 9, 11, 10, 9)
example.age <- c(30, 40, 50, 60, 70, 30, 40, 50, 60, 70)
e
浏览 1提问于2017-06-27得票数 7
回答已采纳
我在Azure ML中建立了一个线性回归算法。在“分数模型”模块中，我实际上可以看到预测和其他特性。然而，当我将这个项目部署为一个web服务时，该服务期待的是数据的实际标签(例如，我试图预测一个房屋的价格，它要求我对房子的价格进行预测)，这对我来说没有任何意义。我做错了什么？在“列车模型”模块上，我将标签列设置为HousePrice，这正是我试图预测的.
这是我的模型：
我试着将该字段保留为空，但预测返回null.
浏览 1提问于2016-10-13得票数 4
回答已采纳
我正在使用svm.SVR()从科学工具包-学习应用Logistic回归对我的培训数据，以解决相似性问题。使用GridSearchCV，我正在寻找最佳的超参数使用得分作为"R2“。最好的超参数是C=1, cache_size=200, coef0=0.0, degree=3, epsilon=0.001, gamma=0.005, kernel='rbf', shrinking=True, tol=0.001。
我将培训数据和培训标签设置为model.fit(X_train, Y_train)
现在，我在与：prediction = model.predict(X_tes
浏览 0提问于2019-06-18得票数 2
我正在尝试使用超参数调优来优化某一性能度量的分类模型。直到我尝试为precision_score度量专门调优我的模型之后，我才收到上述错误；当我只是将我的模型用作一个正常的预测器时，一切运行都非常顺利，即使我添加了超参数调优，也是很好的。只有当我试图将它优化到一个特定的度量时，它才会抛出这个错误。以下是有关守则：
scorers = {
'precision_score': make_scorer(precision_score),
'recall_score': make_scorer(recall_score),
'
浏览 5提问于2021-12-23得票数 0
4回答
概率回归损失函数
、、、、
我试图用神经网络来预测一个概率，但是很难确定哪一个损失函数是最好的。交叉熵是我的第一个想法，但其他资源总是在标签为\{0, 1\}的二进制分类问题中讨论它，但在我的例子中，我有一个实际的概率作为目标。这些选项中的一种显然是最好的，还是它们在极端0/1区域附近的差别很小，它们都是有效的？
假设x是我的模型的最后一层的输出。
交叉熵：
\text{target} * -\log(\text{sigmoid}(x)) + (1 - \text{target}) * -\log(1 - \text{sigmoid}(x))
使用Sigmoid的均方误差：
(\text{sigmoid}(x)
浏览 0提问于2019-02-09得票数 9
1回答
微观度量与宏观度量
、、、
为了检验我的多标签分类模型的结果，我测量了精度、回忆和F1分数。我想比较两种不同的结果，Macro。我有一个只有几行的数据集，但标签计数在1700左右。为什么宏如此之低，即使我在微观上得到了很高的结果，当它是一个多类的时候，哪一个会更有用呢？
Accuracy: 0.743999
Micro Precision: 0.743999
Macro Precision: 0.256570
Micro Recall: 0.743999
Macro Recall: 0.264402
Micro F1 score: 0.743999
Macro F1 score: 0.250033
Coh
浏览 2提问于2021-08-09得票数 0
回答已采纳
我一直在研究半监督学习更多，特别是标签传播和标签传播。在阅读教程和一些论文时，我已经看到它提到，通常情况下，标签传播的结果将被使用，然后构建一个监督的模型。我不清楚为什么这是必要的，或者说它是有益的。在您已经获得未知数据的标签之后，用标签传播的结果建立另一个模型的目的是什么？你就不能用标签传播来预测将来遇到的任何新标签吗？我想这与标签传播是一种转换算法有关吧？但是我看到这个算法可以扩展到一个归纳算法，对吗？此外，如果你使用标签来构建模型，而标签本身就是预测，这难道不具有将大量偏见引入到所述模型中的倾向吗？
浏览 0提问于2022-03-22得票数 1
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
