我正在学习如何准备数据，构建估计器，并使用训练/测试数据拆分进行检查。 我的问题是如何正确地准备测试数据集。 我将我的数据分成测试和训练集。，我想在测试数据上使用我训练过的估计器来验证我的准确性。但是，如果我通过我定义的管道传递我的测试特征数据，它不是只从测试数据<
浏览 19提问于2019-08-21得票数 0
我正在训练ML CNN模型。我想比较不同的图像数据集。数据集都有不同的特征(翻译与否、旋转与否等等)。我应该使用相同的测试数据集来比较它们吗？此数据集不会通过测试更改，并且将包含在其他地方找不到的数据。它不会更适合于特定的培训数据集。
还是应该
浏览 0提问于2020-07-24得票数 0
1回答
我需要使用sklearn计算多元logistic回归的系数：x1 x2 x3 x4 x5 x60.500000 0.055000 1.0 18.1818 0.0 4.01142我就是这样做的：
浏览 0提问于2018-01-29得票数 1
回答已采纳
2回答
需要帮助理解数据泄漏
、、、
我是这方面的新手，所以如果我的问题很愚蠢，我很抱歉。
我需要帮助理解X_train和X_test之间的数据泄漏是什么以及它发生的确切时间。我目前正在处理一个数据集，在该数据集中，我使用KNN输入程序来填充丢失的值。我需要对knn估算的数据进行缩放，并在计算过程之后进行训练、测试、拆分和应用机器学习模型。我读到，数据泄漏可能发生在缩放过程中，所以我们应该在分割后进行缩放，对训练集进行
浏览 0提问于2020-06-03得票数 1
回答已采纳
1回答
对于训练和测试装置的调整R^2的计算，我有点困惑。在计算训练和测试数据集的调整R^2系数(n)时，我应该使用的观测数是多少？
我的问题是，在计算训练和测试数据<em
浏览 3提问于2021-05-20得票数 0
1回答
在使用GATE工具对训练数据运行机器学习算法(SVM)后，我想在测试数据上对其进行测试。我的问题是，我是否应该使用相同的训练数据进行测试，同时，模型如何从测试数据中提取实体，而测试数据没有使用训练数据中学习到的注释进行注释。我遵循了这个链接上的教程，但在最后，当它谈到将数据集拆分为训练
浏览 2提问于2014-08-28得票数 0
我使用的是梯度增强回归模型 (GBRT)。
为了评估这个模型，我使用了10倍交叉验证，在每个中我都设置了相同的参数，因此唯一的区别就是训练和测试数据集。对于每一个折叠，我计算的决定系数作为拟合的尺度。然而，我发现，从每一个折叠得到的决定系数存在巨大的差异，例如，从fold_1到fold_10的
浏览 2提问于2014-09-12得票数 0
回答已采纳
2回答
在进行数据预处理时，建议对数据进行缩放或规范化.当你手上有数据时，这是很容易做到的。你有所有的数据，可以马上做。但是，在模型建立和运行之后，是否需要对第一个输入的数据进行缩放或标准化？而传入的数据如何是最小/最大/平均每个特性？
请指教
浏览 2提问于2017-09-04得票数 0
回答已采纳
1回答
我在训练一个分割模型(计算机视觉)。因此，我的数据集包含图像和掩码(对象的二进制分段)。
我正在增加训练数据集(应用随机作物、轮班或轮班等)以获得更大的数据集。我不对测试和验证数据集应用增强。我应该在验证数据集或测试数据集上使用增强吗？
浏览 0提问于2020-11-12得票数 0
回答已采纳
我正在将sklearn.preprocessing.MinMaxScaler()应用于DataFrame，并使用DataFrame进行机器学习。在训练之后，我有一个单独的代码和DataFrame来做预测。在预测代码中，我对要用于预测的DataFrame执行MinMaxScaler()。训练DataFrame和预测DataFrame将具有不同的最小值和最大值。我的问题是，训练DataFrame
浏览 18提问于2020-10-01得票数 0
回答已采纳
我正在使用MATLAB函数TreeBagger()进行随机森林分类，以完成一项任务。当测试数据的变量数量与训练数据的变量数量不同时，它会给出错误。我被告知，变量选择应该只在训练数据上进行，而不是在测试数据上，这样测试数据上就没有偏见。因此，在将初始数据集(50个变量)拆分为训练集和测试集后，我对训练集执行变量选
浏览 0提问于2015-12-20得票数 1
假设我们有三个数据集:训练、验证和测试。我们知道，我们应该利用从列车数据归一化中提取的参数来对测试数据进行规范化。此外，我们知道验证是训练数据的一部分(遵循Keras的结构)。我们是否也应该规范使用从列车数据中提取的相同参数的验证集？
浏览 1提问于2019-10-21得票数 0
回答已采纳
假设我们有一个训练数据集(同时有特性和标签)和一个测试数据集(只有特性)。
当我们建立一个需要特征规范化的机器学习模型时，正确的方法是只使用训练数据集来进行规范化(防止信息泄漏)。也就是说，一种错误的规范化方法是将训练(不包括Y列)和测试数据集叠加在一起，并执行规范化(即使用整个训练<
浏览 0提问于2018-03-14得票数 1
回答已采纳
在阅读了这篇文章之后，我有一个关于PCA的问题。但是，很少有需要理解的重要问题: 1)不应将训练集和测试集相结合，同时获得整个数据的PCA分量。因为，这将违反泛化的整个假设，因为测试数据会被“泄漏”到培训集中。换句话说，测试数据集将不再是“看不见的”。最终，这将削弱模型的</e
浏览 0提问于2017-05-28得票数 1
我正在参加Kaggle上的data the data sci项目，以了解更多关于Python的知识，并使用迭代计算器来估计训练和测试数据集的年龄。 训练数据集为891行，测试数据集为418行。在使用与训练数据集拟合的计算机来转换测试数据集以计算值之后，它还添
浏览 25提问于2020-04-09得票数 0
我正在使用训练和测试数据集来测试一个估算模型的准确性。我正在运行的模型使用了一个分类变量。不幸的是，当我随机拆分数据集并在训练集上运行一个模型时，我无法估计测试数据集中存在的某些分类变量的系数。我想对数据进行分割，同时确保所有的分类变量都存在于培训和测试数据集中。在R中有一种
浏览 1提问于2021-11-06得票数 0
有趣的是，我在stackoverflow和其他网站上看到了很多关于这个问题的不同答案：
在处理我的训练数据集时，我使用决策树模型估算了某个列的缺失值。所以这是我的问题。使用所有可用的数据(训练和测试)来建立一个用于估算(而不是预测)的模型是否公平，或者当我这样做时，我可以只接触训练集吗？此外，
浏览 0提问于2017-10-15得票数 7
2回答
我想训练不同的机器学习算法(支持向量机，随机森林，CNN等)。对于相同的数据集(例如，MNIST)，然后比较它们的准确性。目标是从哪种训练数据大小中找出哪种方法比其他方法更好。为了做到这一点，我不断地减少原始训练数据集( 60000个样本)，并在这些减少的训练数据集上训练模型。如果我使用原始的MNIST测试数据
浏览 0提问于2019-04-28得票数 0
2回答
我想知道为什么我们要分别在火车和测试集上使用缩放。我理解根据列车上的fit_transform()计算的对测试数据的转换(μ和σ)。但是，为什么我们可以从所有给定的数据(在拆分之前)计算μ和σ，然后将它们应用于未来的数据。
我们这么做是因为我们不知道未来数据的大小吗？
浏览 0提问于2018-08-08得票数 1
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号