如何使用像前90%(从2018-01-01到2019-02-01)将被训练，最后10%(从2019-02-02 )将是python中的测试数据这样的日期将数据集分割为训练和测试数据行?不是随机分割吗？
浏览 3提问于2020-06-02得票数 0
1回答
几个星期以来，我一直在学习角角和TensorFlow，并对时代感到困惑。说在10年代，测试数据的准确率是92%，在下一个时代，精度怎么会下降？我能想到的是，也许每个时代的测试数据
浏览 0提问于2018-07-26得票数 0
回答已采纳
在这里，我确切地知道哪些数据点用于培训和测试(参见代码)。
当我们与(分层的)K折叠分裂时，我们使用了4个分裂，结果是我们有4个不同的训练/测试部分。
浏览 5提问于2020-10-22得票数 1
1回答
我非常清楚，为了避免信息泄漏，建议对训练数据集上的任何转换(例如标准化或基于中值的估算)进行拟合，并将其应用于测试数据集。然而。我不清楚，如果数据是iid，而训练/测试拆分确实是随机的，那么将这些转换应用于整个数据集的风险是什么？例如，如果原始数据集具有一定的统计特性(例如，均值、中值和std)，那么我将期望随机数据溢出，生成具有相同统计特性的训练和测试数据集。因此，对整个数据集进行标准化，然后再进行分割，
浏览 0提问于2021-02-04得票数 2
回答已采纳
2回答
随机分割训练和测试数据
、、、
我想在训练和测试数据中随机划分这些对象，70%的训练和30%的测试分割。但是，我想根据与每个对象相关联的计数来划分它们，而不是基于对象的数量。Obj 2 => 30Obj 4 => 20如果我以接近70%-30%的比例拆分它们，我的训练集应该是Obj 3 => 40
O
浏览 25提问于2016-07-27得票数 1
2回答
取多个神经网络的平均值？
、、、、
我用一个非常小的数据集来拟合一个神经网络，所以试着把数据分成训练和验证集。(有一个单独的测试集)如果我将训练/验证随机分成几次，为每个训练/验证分裂构造一个神经网络，并取测试集上神经网络预测值的平均值，它是否可以称为集成模型？或者，这种技术是否有一个特定的名称？编辑:我刚刚发现一种类似的技术叫做“重复随机次抽样验证”，但是RRSSV将数据分成训练和测试集(根据维基百科，它被称为“验证数据”，实际上是测试数据)。我的
浏览 0提问于2018-01-29得票数 2
3回答
我将我的数据集与随机森林分类器相匹配，发现模型的性能在不同的训练和测试数据分割集之间会有所不同。据我理解，交叉验证用于特定的列车和测试数据的分割。
浏览 0提问于2017-01-05得票数 2
回答已采纳
2回答
我有一个sql.DataFrame，我想将它与scala分割成训练和测试数据格式。我现在正在使用这个代码：但是我不想随机地分割我的数据。
浏览 1提问于2020-06-05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
分裂时的数据被随机地洗牌和分割，所以问题不再是游戏的一部分。
我现在可以用同样的问题，它被训练和测试，以重新测试所有的问题，但为了确定赢得比赛的百分比？或者，在最初训练我的模型时，训练数据和测试数据是否应该通过游戏而不是问题来分割？
浏览 0提问于2019-04-24得票数 1
1回答
当使用scikit learn分割训练/测试数据集时，设置一个特定的随机种子(random_state)是否会产生相同的随机数生成器初始化(即，在不同平台上产生相同的伪随机数)--例如，在不同的云计算实例上
浏览 3提问于2021-04-07得票数 0
回答已采纳
我正在为一个医学预测项目设计一个随机森林模型。我使用的数据集包含病人的信息，包括特征、诊断和病人ID (每个病人都是唯一的)。现在，我不只是根据比例(即培训数据的75%，测试数据的25% )来分割数据集，而是希望根据患者(即随机选择的患者)分割数据集，同时满足"75%的训练，25%的测试“的比例。
浏览 2提问于2022-03-07得票数 0
回答已采纳
testing setscrossvalind用于执行交叉验证，通过返回索引，将整个特性集X随机分成训练和测试数据利用这些指标，我们可以分别生成X(trainIdx,:)和X(testIdx,:)的训练数据和测试数据。cvpartition也使用分层和非分层的方法来分割数据，但是它不返回指数
浏览 1提问于2018-06-06得票数 1
回答已采纳
1回答
我在许多不同的来源中看到，我需要将我的数据分成一个训练集和一个测试集。然后，我必须确保算法只对训练数据进行训练，并尽量避免测试数据泄漏到训练过程中。为了避免学习不重要的数据细节(这将提高算法的泛化能力)，我可以将训练数据进一步分割成适当的训练集和验证集，并选择算法的参数，为所有这些分割提供最佳的平均性能。当然，我没有在训练期间使用我的测试数据，但是我得到的算法参数
浏览 0提问于2020-01-23得票数 1
回答已采纳
model.predict(x_test) test_accuracy = np.mean(p == y_test) * 100既然我已经根据测试集的准确性选择了random_state，那么这里的测试集真的是一个验证集吗？
浏览 3提问于2020-09-02得票数 1
回答已采纳
1回答
在创建用于机器学习的SVC模型时，我们鼓励在执行preprocessing (例如scaling和dimension reduction，例如PCA/Isomap )之前，使用来自sci-kit learn的将dataset X拆分成test和train集。然而，preprocess和PCA/IsoMap在X上的速度要快得多，然后才将X分解成test和train，并且accuracy评分较高。我的问题是：
1)在分割出测试和训练之前，我们为什么不能<
浏览 1提问于2017-08-11得票数 4
回答已采纳
利用train_test_split函数对列车和试验数据进行分离。我正在使用以下代码对模型进行培训和测试：X_trai
浏览 0提问于2017-10-17得票数 2
回答已采纳
1回答
这些天来，我一直在学习推荐系统。更具体地讲到协作过滤。在探索的过程中，我发现在预测公式中使用“显着性加权”来给拥有更多同级项目的用户更多的权重是有用的。它们用于这一重要权重的公式如下：但我不太明白他们是怎么找到β的。他们说这可以通过交叉验证来完成，但我不太明白这意味着什么。有人能帮我吗？谢谢!
浏览 0提问于2022-12-11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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
