预测推荐系统的概率？
预测推荐系统的概率是指在推荐系统中，根据用户的历史行为和其他相关数据，预测用户对某个特定项目的喜好程度或概率。通过分析用户的行为模式、兴趣偏好、社交关系等信息，预测推荐系统可以为用户提供个性化的推荐结果，提高用户体验和满意度。
预测推荐系统的概率可以通过以下步骤实现：
- 数据收集和预处理：收集用户的历史行为数据、个人信息、社交网络数据等，并进行数据清洗和特征提取，以便后续的模型训练和预测。
- 特征工程：根据收集到的数据，构建合适的特征表示，例如用户的年龄、性别、地理位置等，以及项目的类别、标签等。同时，可以利用一些技术手段如独热编码、词嵌入等对特征进行处理和转换。
- 模型训练：选择适当的机器学习或深度学习算法，如协同过滤、矩阵分解、神经网络等，利用历史数据进行模型训练。训练的目标是学习用户的兴趣模式和项目的特征权重。
- 模型评估和调优：使用一些评估指标如准确率、召回率、覆盖率等对模型进行评估，并根据评估结果进行模型调优，以提高推荐效果。
- 推荐结果生成：根据用户的当前上下文和特征，利用训练好的模型预测用户对未知项目的喜好概率，并生成推荐结果。可以根据概率排序或设定阈值来确定最终的推荐列表。
预测推荐系统广泛应用于电子商务、社交媒体、音乐和视频流媒体等领域，为用户提供个性化的产品或内容推荐。在电商领域，预测推荐系统可以根据用户的购买历史和浏览行为，向用户推荐可能感兴趣的商品。在社交媒体平台上，预测推荐系统可以根据用户的好友关系和兴趣相似度，推荐适合用户的社交圈内容。在音乐和视频流媒体平台上，预测推荐系统可以根据用户的听歌或观看历史，推荐符合用户口味的音乐或视频。
腾讯云提供了一系列与预测推荐系统相关的产品和服务，例如：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了强大的机器学习工具和算法库，可用于构建和训练预测推荐系统的模型。
- 腾讯云数据湖分析服务（https://cloud.tencent.com/product/datalake-analytics）：提供了数据湖分析和挖掘的能力，可用于处理和分析大规模的用户行为数据。
- 腾讯云人工智能开放平台（https://cloud.tencent.com/product/ai）：提供了多种人工智能相关的服务和工具，如图像识别、自然语言处理等，可用于增强预测推荐系统的功能和效果。
以上是关于预测推荐系统的概念、分类、优势、应用场景以及腾讯云相关产品和产品介绍链接的完善答案。
相关·内容
2回答
我试图弄清楚这属于哪种类型的ML。
假设我有10,000个用户和200个列表--每个用户可以属于任意数量的列表。哪种类型的ML系统将根据所有其他列表上与他们共享成员资格的其他用户来评估属于列表的用户的可能性。
(希望这是有意义的，我认为这是一个解决了的问题，我只是在寻找解决方案的指针)
浏览 1提问于2022-03-11得票数 1
我正在使用R中的recommenderlab包中的基于用户的协作过滤来向用户推荐top-N项。我使用二进制用户-物品矩阵作为输入(从购买历史创建)。
是否有可能获得客户将购买前N个商品的概率，而不是只获得前N个商品的概率？
dB是我的用户项矩阵，我使用的是下一个代码：
r <- as(dB, "binaryRatingMatrix")
rTrain <- r[1:874, ]
rTest <- r[875, ]
rr <- Recommender(rTrain, method = "UBCF",
浏览 0提问于2014-04-17得票数 4
我意外地发现，如果我将XGBClassifier的参数objective设置为multiclass并增加类的数量，我会更适合我的二进制数据集。然而，同时，拟合需要更长的时间，并消耗两倍的内存。
不幸的是，我不能为这种行为创建一个玩具示例。但在下面的示例中，对于不同的num_class参数值，我仍然看到不同的对数损失：
X = DataFrame([[0.5, 0.2, 0.1], [0.3, 0.4, 0.1], [0.4, 0.1, 0.5], [0.8, 0.4, 0.4]])
y = Series([0, 0, 1, 1])
regressor = xgb.XGBClassifier(
浏览 1提问于2019-11-12得票数 0
我正在读这份报纸宽深度学习重构系统的报纸，一件事也不懂。
为了提供延迟服务，他们实际上首先根据用户查询得到100个最好的应用程序，然后根据概率分数对它们进行排序。
这是否意味着，在购买模型的同时，我们必须为每个应用程序构建单独的模型？
还有其他类似的深度学习框架吗？
浏览 0提问于2017-02-15得票数 0
我有一个129539行530列的矩阵。第一列对应于ClientID，第一行对应于产品品牌。在里面，我有一个排名索引，每个ClientID都有每个产品品牌的排名(如果ClientID从未购买过该产品，则为0，否则一直到10 )。
我正在用R构建一个基于用户的协同过滤推荐系统，使用前5000行进行训练，它给出的输出对我来说没有意义。
我必须生成的代码如下：
# Loading to pre-computed affinity data
affinity.data <-read.csv("mydirectory")
affinity.matrix <- as(affini
浏览 1提问于2015-11-24得票数 2
2回答
我看了足球数据，并试图预测是否会出现一个目标二进制的xgboost :逻辑。
我的数据是1:10不平衡，没有比目标更占优势的目标。我在mlr包中使用了smote或task.over来过度采样(因子为4)。
我训练模型，调和交叉验证，但预测似乎是合理的(低拍卖30%，但在其他统计数据高)。
然而，当我看这个模型预测的概率时，它比实际的平均值要大得多。有什么能导致这件事的吗？
概率是多少？也就是说，第一类概率是指他们在第一类中的概率，所以可能并不能真正代表得分的概率。
提前感谢
浏览 0提问于2020-11-10得票数 1
1回答
在培训模型后评估建议
、、、、
首先，我想创建一个推荐系统。借助神经网络，可以预测用户X最有可能购买的商品。
我已经用正确的数据集和neuMF模型的帮助训练了一个模型(您还可以查看图片中的不同层)。
我的数据集包含以下内容：
列event包含用户是否查看了某一项(视图)，是否将其放置在购物车(外接程序)中，还是购买了它(事务)。
我已经找到了它们如何确定建议的示例实现。以下是关于这一问题的文章：
现在我已经训练了我的模型，我已经准备好为给定的播放列表推荐歌曲了！然而，我遇到的一个问题(见下文)是，我需要嵌入新的播放列表(存储在我的模型中)，以便使用kmeans在嵌入空间中找到最近的相关播放列表。我不知道如何
浏览 2提问于2020-10-24得票数 4
1回答
我曾在电影评论数据库中使用过Vader，一种社交媒体的情感分析工具。这两个混淆矩阵在vader.py算法中不同，因为第一个是来自nltk的：
📷
第二个来源于Vader在github上的原始代码，包括对否定词的修正，等等。
📷
我想知道如何才能正确地比较这两者，因为我真的无法读懂它们。他们之间似乎没有太大的区别，我不明白这里错误的来源是什么。
浏览 0提问于2020-08-31得票数 1
回答已采纳
1回答
我正在构建一个用于数据分析的神经网络，但是我仍然无法确定我需要多少个输出神经元，以及它们应该代表什么。神经网络试图预测人们对某些物体的选择。有75个可能的对象，但这里有一个问题，他们一次选择6个。这六个对象可以(理论上说，虽然这并不现实)是75个对象的任何组合，在极少数情况下，在这组6个对象中甚至可能有某个对象的复制。
我自然地考虑为每个可能的集合创建一个输出神经元，但是因为这会导致75^6个输出神经元(如果我们考虑重复的话)，我想这会对学习速度有不利的影响。我考虑过的另一个选择是将六个最高速率项作为一个集合，但我不确定这是否有效，因为第二个、第三个等对象的选择取决于先前选择对象的位置。我想知
浏览 0提问于2016-05-27得票数 2
回答已采纳
1回答
AUC高，但数据不平衡时预测不好
、、、、
我试图在一个非常不平衡的数据集中使用LightGBM构建一个分类器。不平衡是指97:3的比率，即：
Class
0 0.970691
1 0.029309
我使用的Params和训练代码如下所示。
lgb_params = {
'boosting_type': 'gbdt',
'objective': 'binary',
'metric':'auc',
'learning_rate': 0.1,
浏览 1提问于2018-07-05得票数 10
回答已采纳
1回答
我正在尝试使用朴素贝叶斯构建文本分类器，这在我的测试数据上是相当成功的。我想要整合的一件事是处理不适合我训练模型的任何预定义类别的文本。
有没有人对如何做到这一点有想法？我正在考虑计算每个文档的置信度，例如，如果置信度< 80 %，它应该将数据标记为"N/A“。
到目前为止，这是我的代码：
df_train = pd.read_csv(__________)
text_clf = Pipeline([('vect', CountVectorizer()),
('tfidf', TfidfTransformer(
浏览 0提问于2021-04-16得票数 1
1回答
我已经通过一个序列训练了一个LSTM，并尝试测试它是否可以合成一些输出序列，但有趣的是，不幸的是，它很快就稳定下来了，即在2个时间步长之后，稳定到固定的输出，这意味着一个具有完全相同值的序列。
现在我已经更改了初始化，但在两步之后输出总是相同的。在训练或采样过程中可能出现了什么问题？
很抱歉，我不能给出更多的上下文，因为整个程序太大了，不能在这里发表。
浏览 1提问于2015-07-22得票数 1
1回答
所以，我正在读，也读过sheet 。我无法理解，在构建矩阵分解模型时，用户和电影的嵌入都被传递给CFModel类。
def build_model(ratings, embedding_dim=3, init_stddev=1.):
"""
Args:
ratings: a DataFrame of the ratings
embedding_dim: the dimension of the embedding vectors.
init_stddev: float, the standard deviation of the rand
浏览 7提问于2022-06-02得票数 0
假设我想发现新品种的鱼。
我有几个模型，每个模型都被训练来识别不同的特征，例如已知鱼类的速度，已知鱼类的大小，它们的已知形状等等。自然，每个模型都将被训练成一组不同的数据: dataset_1用于训练model_speed，dataset_2用来训练model_size，dataset_3用来训练model_shape。
把每一种模型的输出组合在一起作为对另一种模型的输入，这样我的“最后”模型就能更好地理解它观察一种新型鱼类的可能性有多大，这是否合理？
如果存在这种方法，它的名称是什么？
否则我会怎样处理这个问题呢？
浏览 0提问于2022-07-02得票数 1
1回答
我正试图为一个电子商务网站建立一个推荐引擎。通过使用公共推荐方法，我假设我推荐的每种产品都具有相同的价值，所以我所需要做的就是优化转换率--可能使用公共推荐算法，但是当产品的价格变化很大时，我真正需要优化的是针对每个用户的以下公式：
推荐值=(转换概率)*(产品价格)
比选择正确的算法和方法更大的问题是选择正确的度量，所以我可以比较不同的算法。例如，如果您只想优化转换率，我将使用精确和召回或假/正度量。
在这种情况下，推荐了哪些度量和方法/算法？
谢谢
浏览 0提问于2016-11-17得票数 4
回答已采纳
我正在为XGBoost使用sklearn包装器。我没有找到一个清晰的解释，说明predict_proba()输出的概率是如何计算出来的。
例如，在随机森林中，我知道它反映了属于这个类别的样本在所有树木的相关叶子中所占比例的平均值。
但是，在XGBoost中，我无法理解文档或代码中的计算。不是应该给每棵树不同的重量吗？
浏览 0提问于2017-03-19得票数 6
2回答
我从用户那里得到了关于他们与不同产品交互的隐含反馈。以下是数据集的结构: user_id、product_category、event_date、view_count、purchase_count
基于这些数据，我试图预测用户对产品类别的亲和力得分。MLIB隐式表单需要格式评级(user: Int，product: Int，rating: Double)的输入数据集。但是如何包含view_count和purchase_count呢？
如果不能使用MLLIB，有没有其他方法可以使用。我的产品类别有限(只有8个产品类别)。在这种情况下，我可以使用8个逻辑回归模型来预测亲和力吗？
谢谢
浏览 0提问于2015-12-25得票数 0
2回答
我正在建立一个推荐网页。对于数据集中的每个网页，我们希望生成其他用户也访问过的网页列表。
我们的数据只显示用户已经访问了一个页面，或者他们没有访问。用户不提供任何评级我们的网页。对于基于项目的推荐来说，这是一个很好的任务。然而，大多数算法(如Mahout中的算法)都需要评级数据。
我提出的第一个解决方案是使用一个图形数据库并编写一个查询，执行以下操作：
对于我们想要推荐的每一页，我们都会搜索所有浏览过该页面的用户。然后，对于这些用户中的每一个，我们会查找他们浏览过的所有其他页面。然后，我们统计查看了这个数据集中每个页面的用户数量，并使用那些计数最高的页面作为我们的建议。
虽然这样做很好，但我们
浏览 0提问于2015-10-13得票数 7
首先，我要说，我对神经网络非常陌生，这是我第一次使用numpy，tensorflow或keras。
我写了一个神经网络来识别手写数字，使用MNIST数据集。我跟踪的Sentdex，并注意到他正在使用print(np.argmax(predictions[0]))打印第一个索引从numpy数组的预测。
我试着用print(predictions[i])替换了这一行程序(我被设置为0)，但是输出不是数字，而是：[2.1975785e-08 1.8658861e-08 2.8842608e-06 5.7113186e-05 1.2067199e-10 7.2511304e-09 1.6282028
浏览 0提问于2019-05-30得票数 2
回答已采纳
1回答
我用它来验证与模型相对照的气候。我在验证包中看到了三种选择
当催产士和预测是连续的
当obs是二进制和预测二进制时
当obs是二进制的，预测是连续的。
我使用和理解第一个和第二个，但我想使用第三个，但我面临的挑战是为下面的概率数据和逻辑后面一起开发二进制和连续数据脚本。
po = c(0.26,0.09,0.48,0.36,0.08,0.95,0.83,0.62,0.16,0.21,0.82,0.61,0.22,0.16,0.27,0.92,0.90,0.88,0.81,0.37,0.86,0.51)
py = c(0.00,0.76,0.27,0.31,0.54,0.76
浏览 0提问于2013-12-16得票数 0
1回答
我在r中建立了一个logistic回归模型，试图预测板球比赛的结果。然而，我的模型产生的概率值大于1。输出是1.031704，对于如何改进我的模型以获得概率的精确估计有什么建议吗？
set.seed(1)
#Use 70% of dataset as training set and remaining 30% as testing set
sample <- sample(c(TRUE, FALSE), nrow(ODIMT), replace=TRUE, prob=c(0.7,0.3))
train <- ODIMT[sample, ]
test <- ODIMT[!s
浏览 7提问于2022-09-14得票数 1
假设我有一个N类的多类分类问题。我在一个训练集上训练了一个分类器，我使用一个验证集和一个1-VS-rest ROC曲线来给我N ROC曲线。
由于ROC曲线是根据不同的阈值来创建的，所以当我们将一个样本分类为Ci或非Ci时。然后，我们可以选择(我们的)最优的FPR/TRP比值，并得到阈值(t)，例如，t=0.6，我们将一个样本分类为Ci，如果其他的model_score>=0.6是“其他的”，即不是Ci。(这张照片上的蓝色记号是从雪橇上拿来的)
📷
问题是，在多类问题中，我们可以使用1-VS-rest和创建N ROC-曲线(参见下文，也是从sklearn)。
📷
但是现在我们有不同的N阈
浏览 0提问于2021-07-16得票数 2
最初，我想为特定环境中的一些程序代码创建一个基于它们所显示的应用模式的分类工具。我想找5种不同的模式，最终我的目标是想出一些关于这个编程环境的统计数据，它以某种方式代表了趋势(就像%40的节目是为了投票目的，上个月交易程序有所增加，等等)。现在，经过几个月的标记数据和训练模型之后，我终于得到了5种不同的模型，每种模式在不同的指标上都有不同的分数(我对每个类都有相当不平衡的训练数据，所以为了保持某种状态，我总是试图同时查看不同的度量标准，如f1、mcc、roc auc，以供比较)。
现在，我的问题是，当我把我的模型应用到不可能给我贴上标签或看到的数据时，我的考试成绩到底能告诉我什么是我的真实生活
浏览 0提问于2020-03-31得票数 1
1回答
如何实现火炬可微性汉明损失？
、、、、
如何实现计算错误预测数量的可微损失函数？
output = [1,0,4,10]
target = [1,2,4,15]
loss = np.count_nonzero(output != target) / len(output) # [0,1,0,1] -> 2 / 4 -> 0.5
我尝试过一些实现，但它们是不可区分的。RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn
def hamming_loss(output, target):
#loss
浏览 0提问于2020-03-09得票数 3
回答已采纳
我的代码如下：
from pyspark.ml.classification import LogisticRegression
lr = LogisticRegression(featuresCol="features", labelCol="label")
lrm = lr.fit(transformed)
predictions = lrm.transform(transformed)
predictions.select('probability')
这给了我两个概率，因为我有两个类。但我不知道哪个概率属于哪个类别。如何找到它。谢谢
浏览 3提问于2017-06-14得票数 0
试图理解logistic回归的应用。我有以下数据：
Gender Age No.transcation Transaction
female 18-24 138485 4047
male 18-24 144301 3766
female 25-34 248362 7559
male 25-34 295800 8126
female 35-44 265514 7171
male 35-44 379872 9047
female 45-54 295002 7072
male 45-54 421432 9648
fe
浏览 1提问于2015-11-26得票数 2
回答已采纳
我已经在锈蚀中构建了自己的额外树(XT)分类器，用于二进制分类。为了验证我的分类器的正确性，我一直比较它与Sklearns实现的XT，但我不断得到不同的结果。我想我的代码一开始肯定有一个bug，但现在我意识到它不是一个bug，而是计算集合中不同树之间的选票的不同方法。在我的代码中，每一棵树都根据叶数据子集中最常见的分类进行投票。例如，如果我们遍历一棵树，发现我们在一个叶节点上有40种分类，60种分类为1，树将数据分类为1。
查看Sklearn关于XT ()的文档，我阅读了关于预测方法的下面一行
输入样本的预测类别是由森林中的树木投票，并按其概率估计进行加权。也就是说，预测类是树的平均概率估计
浏览 9提问于2021-04-05得票数 1
回答已采纳
在我的NLP任务中，我想了解分类器的“规则”。为此，我构建了一个LimeTExtExplainer。
c= make_pipeline(cv,naive_bayes)
explainer = LimeTextExplainer(class_names=class_names, random_state=42, bow=False)
exp = explainer.explain_instance(X_test[i], c.predict_proba, num_features=20,)
fig = exp.as_pyplot_figure()
上面的代码创建了一个漂亮的清单，1克，完全符合我
浏览 2提问于2021-01-09得票数 1
回答已采纳
1回答
我有一个零售客户交易数据集，具有客户ID，产品，日期，购买产品数量，客户邮政编码，交易金额等功能。已有一种基于业务规则的细分，如果客户对可口可乐感兴趣或不感兴趣的话，可以根据其购买情况进行细分。我必须做一个二元分类，以增加更多的客户到焦炭部门。对于哪种算法和方法最适合这个数据集，有什么建议吗？
浏览 0提问于2019-09-17得票数 1
1回答
我有两个与LightFM模型相关的问题：
我阅读了关于该模型的，并看到它使用了sigmoid (.)-function。我还检查了库的，并看到函数也在那里实现。但是，该模型适用于评等设置中的排序项(等级从1到5)。为什么乙状结肠没有损害排名系统？我的意思是它将值从0返回到1，为什么这个模型仍然适用于评级？
我是否正确地指出，模型返回的分数是q_u * p_i + b_u + b_i (见本文)？如果没有，我如何计算自己的分数？它们是从哪里来的，它们的震级为何如此之高？我得到的分数大约在-100000到+100000之间。
UPD1:我跟踪了这些评论，发现了以下功能：
cdef
浏览 6提问于2022-07-03得票数 0
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
1回答
新的推荐人制度必须具备什么样的质量才能具有竞争力？
我所说的“推荐的质量”是指以下内容。比方说，推荐系统提供了用户X项。之后我问他，他或她到底喜欢多少人(可能买)，结果发现他喜欢Y。推荐的质量为Y/X (最佳可能值为1，这意味着用户喜欢所有推荐的项目)。
推荐的质量如何？
平均和
最好的
推荐系统大约有？
Update1： (第64页)作者写道，2007年Netflix的前2名算法分别实现了0.8914和0.8990的RMSE。
RMSE的定义可以在第63页找到，但我不明白它的含义。
浏览 2提问于2014-11-24得票数 3
回答已采纳
1回答
我有以下使用mgcv的二项式(概率) gam，其中包括y (0或1)，两个连续预测器(xa，xb)加上第三个协变量(xc)与这两个预测器的‘ti’相互作用。
mygam <- gamV(y ~ s(xa, k=10, bs="cr") + s(xb, k=10, bs="cr") +
ti(xc, xa, bs = c("cr", "cr"), k = c(5, 5)) +
ti(xc, xb, bs = c("cr", "cr&
浏览 8提问于2022-03-08得票数 0
1回答
训练和验证在2个时期是健康的，但在2~3个时期后，Val_loss继续增加，而Val_acc持续增加。
我试着训练一个CNN模型，把一个给定的评论分类到一个1-5的班级。因此，我认为它是一个多类别的分类。我已经将数据集划分为3组-- 70%的训练、20%的测试和10%的验证。
5个班的培训数据分布情况如下。
1- 31613，2- 32527，3- 61044，4- 140005，5- 173023.
因此，我添加了如下类权重。
{1: 5.47，2: 5.32，3: 2.83，4: 1.26，5: 1}
模型结构如下。
input_layer = Input(shape=(max_lengt
浏览 0提问于2019-03-24得票数 4
您是一架跟踪穿越海洋的敌舰的飞机，因此您已经收集了该船的一系列(x，y，time)坐标。你知道潜水艇和船一起旅行来保护它，但是当它们的位置之间有关联时，潜水艇经常离开船，所以虽然它经常在它附近，但它也可能偶尔在世界的另一端。你想要预测潜水艇的路径，但不幸的是它对你是隐藏的。
但是在4月份的一个月里，你注意到潜艇忘记了隐藏自己，所以你有一系列关于潜艇和船在1000次航行中的坐标。使用这些数据，您想要建立一个模型来预测隐藏的潜艇的路径，仅给定船的运动。天真的基线应该是“潜艇位置猜测=”船的当前位置“，但从4月份的数据中，你会注意到潜艇有稍微领先于船的趋势，所以”潜艇位置猜测=船在1分钟内的位置“是
浏览 0提问于2013-02-16得票数 9
我想构建一个Ensemble方法来预测销售额。假设我使用估计器Linear Regression、Decision Tree Regression和ARIMA。
我决定取上述估计值的平均值作为我的预测值。我可以使用VotingClassifier类来构建这个集成吗？或者它只适用于分类问题？
在python中有没有其他的库来组合不同的回归估计器(不是分类，它不能像袋子回归那样是相同的估计器)
浏览 0提问于2018-10-14得票数 0
1回答
假设我正在为一个应用程序构建一个机器学习模型，在该模型中，我不需要对所有新样本进行预测，并且给出了一个新样本，那么在担心预测不太可能好(例如，如果新样本似乎与训练样本非常不同的情况下)时，最好不要进行任何预测。我称之为限制哪些新样本来预测“模型护栏”的想法，因为我不知道官方术语。
我的问题是，是否有任何标准的方法来设置这样的护栏？关于这个话题，你有什么研究可以指导我吗？我有几个基本想法：
使用距离度量将新样本与培训数据进行比较，并且只有在有足够数量的培训数据与新数据足够接近时才进行预测。
尝试计算某种p值，表明新样本与训练数据有多大的不同，并且只有当这个p值不太高时才进行预测。
为了扩展思想2
浏览 0提问于2019-12-05得票数 3
2回答
我主要关心的是，我需要理解随机森林是如何在scikit中进行多数投票来学习源代码的。我没有在RandomForest的源代码中找到特定的代码。如果有人知道，请解释一下。谢谢
浏览 0提问于2019-10-24得票数 1
1回答
这里的第一篇文章，R.的新手，所以如果我没有把这篇文章写对的话，请容忍我。)
我试图使用glm()来拟合一个模型，然后对模型进行预测。
fit_GLM <- glm(y ~., data = traintemp, family = "binomial")
pred_GLM <- predict(fit_GLM, newdata = testtemp)
我的训练数据包括大约430000个观察，有6个预测因子和一个二进制结果。我试着用0-1或假-真改变结果。
我的测试数据包含了大约215000个观测数据。
我可以成功地运行模型，但是预测函数返回的数据有点奇怪。(
浏览 4提问于2015-11-26得票数 0
回答已采纳
2回答
我试图运行一个人群估计模型，根据图像中有多少人，将图像分为三个不同的大类。1200幅图像用于训练，其中20%用于验证。我使用作为参考，将图像数据加载到模型中；将图像作为压缩文件加载，提取图像，并根据它们所在的文件夹对它们进行分类。
我的问题是，每当我试图训练模型时，我注意到损失和验证损失总是为0，这导致模型没有经过精确的训练，验证的准确性在整个过程中保持不变，如所示。我怎样才能让损失真正改变呢？在执行方面，我是否做错了什么？
到目前为止，我尝试的是：
我试图添加第三个卷积层，但没有什么效果。
我还尝试将最后一个密集层更改为model.add(稠密( 3) )，但我发现一个错误，即“形状
浏览 5提问于2021-05-13得票数 0
回答已采纳
1回答
我们正在尝试构建一个内置的OCR系统，从图像中提取字母数字字符串(请注意，我们的大多数客户不能将数据发送到云端，因此它排除了googles和microsofts..and的任何API，而且tesseract对于我们的目的来说太慢了，..we正在谈论10's的用户同时上传图像。)我想，tesseract从来没有被设计成这样)。我们已经开始使用基于CTC的方法来对我们的数据集进行培训，但存在一个基本/概念问题。根据定义，CTC找到了通往最可能的单元(在本例中是一个单词)的愉快路径，但是字母数字字符串在定义上没有一个模式！所以我觉得反恐委员会不会为我们工作。但是，与此并列的是多类分类方法(我
浏览 0提问于2019-05-22得票数 1
回答已采纳
我目前正在创建一个推荐系统。这个推荐系统与神经网络一起工作，然后搜索最近的邻居，从而为用户提供建议。数据是隐式的。我在产品的数据中只有一个用户有bought.On这个数据的基础，我创建了推荐。
使用隐式数据评估推荐系统的最佳指标是什么？
我可以评估模型和搜索算法吗？如果是的话，度量标准是否不同？我要用哪些指标来衡量什么？
浏览 0提问于2020-11-14得票数 2
2回答
TF默认用于将输入图像分类为某个类的阈值是多少？
例如，假设我有3个类( 0、1、2 )，图像的标签是一个热编码，如下所示：[1, 0, 0]，这意味着该图像有0类的标签。
现在，当一个模型在softmax之后输出一个预测，像这样：[0.39, 0.56, 0.05]使用TF作为阈值，那么它预测的类是1类吗？
如果所有的预测都低于0.5，像[0.33, 0.33, 0.33]，TF会说结果是什么？
是否有任何方法来指定一个新的阈值，例如0.7，并确保TF说，如果没有类预测超过该阈值，那么预测是错误的？
同样，这种逻辑也会延续到推理阶段吗?如果网络对类不确定，那么它将拒绝对图像进行分类。
浏览 4提问于2020-06-15得票数 5
回答已采纳
1回答
深度学习模型中的投票集成
、、、、
我正在研究一种使用RGB-D图像的多模式深度学习分类器。我为每种情况开发了两个独立的模型。对于具有shape (3046,200,200,3)的RGB图像，首先使用CNN进行LSTM；对于具有shape (3046,200,200)的深度图像，采用LSTM。我在试着弄清楚如何才能做投票组合。 我已经做了下面的代码，它找到了投票最多的标签，但似乎不太好用。有没有其他方法可以对模型进行后期融合？ labels = []
loaded_model = keras.models.load_model('Saved/LSTM_RGB/LSTMRGB.h5')
predictsRGB =
浏览 55提问于2020-11-27得票数 0
回答已采纳
1回答
我正在调试一个序列到序列模型，并故意尝试完美地拟合一个大约200个样本(长度在5-50之间的句子对)的小数据集。我在pytorch中使用负对数似然损失。我得到了很低的损失(~1e^-5)，但在同一数据集上的准确率只有33%。
我也在3个样本上训练了模型，并获得了100%的准确率，但在训练过程中我遇到了损失。我的印象是，如果预测标签和目标标签之间存在不匹配，则负对数似然只会给出损失(损失在~1e^-5的相同区域)。
我的代码中可能存在bug吗？
浏览 9提问于2020-07-14得票数 2
我想结合先验知识来改进我的机器学习模型。根据Bayes准则，用MLE乘法得到了最大后验。将先验概率与机器学习概率预测结果相乘。然而，我得到更好的预测结果是没有意义的，因为我得到了更小的概率。我是不是遗漏了什么？Thx
浏览 0提问于2022-02-19得票数 0
1回答
Tensorflow预测输出类别
、、、、
我试过这个例子，但没有用LSTM。我的模型使用Tensorflow中的LSTM，我愿意将输出以类的形式预测为keras模型，从而使用predict_classes。
我正在尝试的Tensorflow模型是这样的：
seq_len=10
n_steps = seq_len-1
n_inputs = x_train.shape[2]
n_neurons = 50
n_outputs = y_train.shape[1]
n_layers = 2
learning_rate = 0.0001
batch_size =100
n_epochs = 1000
train_set_size = x_tr
浏览 0提问于2019-01-15得票数 8
回答已采纳
1回答
Python预测未来事件
、、、
这与本文相关：https://towardsdatascience.com/forecasting-of-periodic-events-with-ml-5081db493c46
我发现它很有趣，并试图复制它，因此有一个xgboost分类器，它只预测零(没有多大用处)。
在我发布代码之前，免责声明:这可能只是我的浮点数(预测列)在打印中被截断的一个愚蠢的问题，或者可能是一种太过依赖于数据集的方式，或者是一个不正确的算法。在代码完成后，我将发布分解树的图形表示，并解释为什么我无法理解它。
代码(有点扩展，不好意思，但为了完整)
import pandas as
浏览 0提问于2021-10-16得票数 0
回答已采纳
我的理解是，当在命令行上训练支持向量机时，可以指定一个带有-b 0(默认值)或-b 1的-b参数，以分别启用“决策值”或“概率估计”。我正在使用LIBSVM和一个基于C-SVC的具有5个类的多类问题。我可以在C#库中使用以下命令获得概率估计
testset.PredictProbability(model, out estimations);
在预测之后，我可以在'estimations‘输出对象中看到5个概率估计。我的理解是，对于5类模型，应该有10个决策值，即1类对2类，1类对3类，以此类推。如何获得“决策值”？
浏览 0提问于2015-09-02得票数 2
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
