3回答
这就是逻辑回归和决策。
假设模型选择的标准是ASE。训练数据ASE高，测试数据ASE低，训练数据ASE低，测试数据ASE高。如果您选择一个模型，您会选择哪些模型？
浏览 0提问于2018-06-02得票数 1
回答已采纳
2回答
逻辑回归训练和测试数据
、、、、
我有一个1319行的数据集，我想为观察值1到1000设置训练数据，并为1001到1319设置测试数据。train=(data$nrow < 1001)有人能把我引向正确的方向吗？
浏览 24提问于2019-10-30得票数 0
我用一些数据训练了一个逻辑回归模型。我应用标准标量来训练和测试数据，训练模型。但是，如果我想用训练和测试数据之外的数据对模型进行预测，我必须对新数据应用标准标量，但如果我有单个数据，那么我不能对我想要作为输入的新的单个样本应用标准标量。
浏览 17提问于2019-06-23得票数 2
目前，我正试图在Python中实现一个基本的逻辑回归算法，以区分A和B。如果是这样，我怎样才能克服这个问题。
浏览 3提问于2015-08-28得票数 1
回答已采纳
下面的代码是我将“每周”数据集划分为训练和测试数据集。我的训练数据集应该包含1990-2008年，而我的测试数据集应该包含2009-2010年。每周数据集是R中的数据集。= split(Weekly, Weekly$Year == 1990:2008)当我对训练集进行逻辑回归模型时，row.names = NULL，check.rows = F
浏览 5提问于2019-11-18得票数 0
1回答
我使用Spark ML库来解决使用逻辑回归的分类问题。 我已经将输入特征矢量化，并创建了训练数据集和测试数据集。 在拟合模型时，我遇到了无效标签问题。 ? 训练数据集为： 其中我的输入特征为Independent_features，我的目标特征为Category_con。 ?
浏览 13提问于2021-03-20得票数 0
1回答
如何对近距离数据进行标准化？
、、、、
我使用逻辑回归。我有一些功能。它们的值在0和1之间(函数可以产生的最大值是1，最小值是0)，但在训练和测试数据中，最大值都非常低(例如0.11)，因此所有值都很低且彼此接近。我的问题是，将特征值标准化/转移到正常范围(在0和1之间)的最佳标准方法是什么，以便逻辑回归不会受到不适当值的影响。
任何帮助都将不胜感激。
浏览 0提问于2016-02-03得票数 0
2回答
当使用不平衡的数据集(例如，欺诈检测)执行分类(例如，逻辑回归)时，是最好在过度采样少数类之前对特征进行缩放/zscore/标准化，还是在缩放特征之前平衡类？其次，这些步骤的顺序是否会影响最终如何解释特性(当使用所有数据scaled+balanced来训练最终模型时)？下面是一个例子：
训练数据拟
浏览 0提问于2018-01-21得票数 7
1回答
我想在Python中实现用于逻辑回归的感知器。对于我的训练数据，我想从多元正态分布中生成两个随机数据点(每个1500点)中的3000个训练实例。μ1 = [1, 0] Σ1 = [[1, 0.75]Σ2 = [[1, 0.75]并将它们标记为0和1我想以同样的方式生成测试数据。
浏览 3提问于2018-03-21得票数 0
回答已采纳
1回答
我使用逻辑回归。我们知道这是一种有监督的方法，需要在训练和测试数据中计算特征值。有六个特性。尽管函数产生的这些特征的值是不同的，并且它们的最大值可以是1，但有四个特征(在训练和测试数据中)的值非常低。因此，这两种特征之间的差异很大，我认为这给logistic回归的学习过程带来了麻烦。我说的对吗？!它需要对这些功能进行任何转换/标准化吗？任何帮助都将不胜感激。
浏览 0提问于2016-02-06得票数 1
我在试着拟合逻辑回归。我想按帐户划分训练和测试数据(一个不起作用的变量)。我希望将它们按帐户拆分，并且每个帐户可以有很多变量。例如，80%的帐户将进行培训，20%的帐户将进行测试。我尝试过以下方法，但这段代码只给了我80%的训练和20%的随机测试。然后在训练数据中，它会给我一些帐户，但在测试数据中，它也会给我准确的帐户，只是不同的变量。这不是我想要的。
浏览 12提问于2019-05-29得票数 0
回答已采纳
我有12个属性的数据和一个类标签no/yes。我已经用训练数据创建了一个模型。我尝试通过删除类标签来使用测试数据测试模型。得到“ValueError(”不带类属性的测试数据集“)”如何实际预测决策树/逻辑回归中的类标签？
我在Orange中建立了以下连接。
浏览 1提问于2015-05-12得票数 0
我有一个不平衡的训练数据，我使用逻辑回归在weka分类。
有好的和坏的两类。好的有75000例，坏的有3000例。我的测试数据有10000个好数据。当我训练时，它更倾向于好的数据，也就是说，它将几乎所有的坏情况分类为好。我该怎么办？我试着用10000个好的例子来训练数据，而不是75000，但问题还是一样。
浏览 1提问于2016-11-03得票数 1
1回答
我是R的新手，在从训练线性回归结果预测和绘制测试数据集方面遇到了困难。我有一个包含516个观察值的训练数据集和一个包含10个观察值的测试数据集我得到以下错误
xy.coords(x，y)中出错：'x‘<
浏览 14提问于2017-03-13得票数 0
我在PySpark中使用逻辑回归。我在拆分训练和测试数据集之后 LR = LogisticRegression(featuresCol = 'features', labelCol = 'label', maxIter=some_iter
浏览 49提问于2019-12-23得票数 1
1回答
我正在尝试构建一个带有StandardScaler()和LogisticRegression()的管道。当我使用和不使用管道进行编码时，我得到了不同的结果。但是使用管道的结果与在我的原始X_train数据上训练模型的结果相匹配(不应用StandardScaler())。
浏览 30提问于2020-08-26得票数 1
1回答
交叉验证与logistic回归
、、、、
我正在分析来自kaggle的数据集，并希望应用一个logistic回归模型来预测某事。这是数据：
我将数据分成训练和测试，并希望使用交叉验证来保证尽可能高的精度。
浏览 6提问于2022-08-01得票数 0
我试图学习如何使用管道和ColumnTransformer在回归之前有效地预处理数据。transformers=steps, remainder='passthrough')
问题是，当我转换训练和测试数据集时，它为测试数据集选择了不同数量(较少)的列。这意味着我训练的模型在测试数据上不起作用。
我已经很好地修改了代码，没有
浏览 15提问于2020-05-26得票数 0
1回答
我将建立一个模型(例如多元线性回归)来预测我所在城市的公寓成本。首先，我必须在训练数据中找出异常值。对于这个任务，RANSAC回归算法看起来很有吸引力，因为它不仅允许检测异常值，而且还允许构建模型本身。有一件事让我感到困惑，那就是如何测试受过训练的模型。检验模型是否具有良好预测能力的标准方法是对列车数据和测试数据进行分割，并在测试数据上应用经过训练的模型。对于RANSAC，这将不起作用，因为测试数据也有异常值，而且它们会偏倚模型的分数
浏览 0提问于2023-03-11得票数 0
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
腾讯会议
云直播活动推荐
腾讯云开发者
