使用对数损失函数的sklearn.linear_model.SGDClassifier运行时间非常长
问题：使用对数损失函数的sklearn.linear_model.SGDClassifier运行时间非常长。
回答： sklearn.linear_model.SGDClassifier是scikit-learn库中的一个分类器模型，采用随机梯度下降（SGD）优化算法进行训练。对数损失函数（log loss）是一种常用的分类问题损失函数，用于衡量模型预测结果与真实标签之间的差异。
当使用对数损失函数的SGDClassifier运行时间非常长时，可能有以下几个原因：
- 数据量过大：如果训练数据集非常庞大，SGDClassifier需要处理大量的样本和特征，导致运行时间较长。可以考虑对数据进行降维、特征选择或者使用更高效的算法来加快训练速度。
- 参数调整不当：SGDClassifier有一些重要的参数，如学习率（learning rate）、正则化参数（alpha）、迭代次数（max_iter）等，不同的参数组合可能会对训练速度产生影响。可以尝试调整这些参数的取值，找到一个合适的组合来加速训练过程。
- 特征工程不充分：特征工程是机器学习中非常重要的一环，合理的特征选择和特征处理可以提高模型的性能和训练速度。如果特征工程不充分，模型可能需要更多的迭代次数才能收敛，导致训练时间增加。可以尝试进行更深入的特征分析和处理，提取更有用的特征。
- 硬件资源限制：如果运行SGDClassifier的计算机硬件资源有限，如内存不足或处理器性能较低，也会导致运行时间较长。可以考虑增加计算资源或者使用分布式计算来加速训练过程。
总结起来，加快使用对数损失函数的SGDClassifier运行时间的方法包括：优化数据量、调整参数、改进特征工程、增加硬件资源等。具体的优化方法需要根据具体情况进行调整和尝试。
腾讯云相关产品推荐： 腾讯云提供了一系列云计算产品，可以帮助用户加速模型训练和部署。以下是一些相关产品的介绍：
- 云服务器（CVM）：提供高性能、可扩展的云服务器实例，可根据需求选择不同配置的计算资源，满足训练和推理的需求。链接：https://cloud.tencent.com/product/cvm
- 弹性MapReduce（EMR）：基于Hadoop和Spark的大数据处理平台，可用于分布式训练和处理大规模数据集。链接：https://cloud.tencent.com/product/emr
- 人工智能引擎（AI Engine）：提供了多种人工智能算法和模型，包括图像识别、语音识别、自然语言处理等，可用于构建和部署机器学习模型。链接：https://cloud.tencent.com/product/aiengine
- 云数据库（CDB）：提供高可用、可扩展的数据库服务，支持多种数据库引擎，可用于存储和管理训练数据和模型参数。链接：https://cloud.tencent.com/product/cdb
请注意，以上推荐的产品仅为腾讯云的一部分，更多产品和服务可以在腾讯云官网上查找。
相关·内容
1回答
在拟合时，损失是NaN
、、、
我正在尝试用TensorflowJS制作python版本的Tensorflow的相同示例。不幸的是，当我运行脚本时，我不知道为什么训练时记录的损失值是NaN。
我想要实现的是一个简单的文本分类，它根据训练好的模型返回0或1。这是我正在关注的Python教程
这是我到目前为止已经翻译过的代码：
import * as tf from '@tensorflow/tfjs'
// Load the binding:
//require('@tensorflow/tfjs-node'); // Use '@tensorflow/tfjs-node-gpu&
浏览 1提问于2018-08-27得票数 2
我在penn treebank上实现了语言模型训练。
我为每个时间步添加损失，然后计算困惑。
这给了我几千亿的莫名其妙的困惑，即使在训练了一段时间之后。
损失本身减少了，但最多只能减少到20左右。(我需要一位数的数字来表示损失，以获得合理的困惑)。
这让我怀疑我的困惑计算是否被误导了。
它是否应该基于每个时间步的损失，然后进行平均，而不是将它们全部相加？
我的batch_size是20，num_steps是35。
def perplexity(loss):
perplexity = np.exp(loss)
return perplexity
...
loss = 0
x =
浏览 41提问于2017-12-29得票数 9
回答已采纳
1回答
我建立了一个神经网络来进行最快的检测。输入是10个观察的列表，输出是预测的变化时间。我想修改错误警报的概率使用加权MSE。
我创建了一个神经网络：
model = k.Sequential(\[
k.layers.Dense(window_size, activation = k.activations.relu, input_shape=\[window_size\]),
k.layers.Dense(window_size, activation = k.activations.relu),
k.layers.Dense(window_size, activation = k.activa
浏览 6提问于2022-11-20得票数 0
回答已采纳
在Db跟踪中，有一个查询需要很长时间，有人解释了它means.Seems是什么。这是一个非常通用的oracle查询，与我的定制表无关。
select condition from cdef$ where rowid=:1;
在trc文件(DB跟踪)中的多个位置发现相同的查询，其中一个有大量的运行时间。那么，有什么解决方案可以避免花费这么长的时间呢？我正在使用11g版本的oracle。
浏览 1提问于2013-01-06得票数 1
回答已采纳
1回答
实体框架的性能问题
、、、、
现有技术：
C# .NET 4.0
Server 2014
实体框架4.3.1
代码优先
蚂蚁性能分析器7
Server 2014事件探查器2
谷歌搜索
问题：
我在做一些软件的性能工作。有一个特殊的问题会导致严重的减速。对于一个大约有43个ADDED实体的EF ADDED，DataContext.SaveChanges()方法占用了整个时间。
使用SQL，我可以看到插入的持续时间为(约) 0ms。这是意料之中的。
使用ANTS，我可以看到DataContext.SaveChanges()占用了大约1500毫秒。深入研究这个问题，这个时间的99.9%是在SN
浏览 1提问于2015-12-04得票数 4
回答已采纳
我正在尝试从数据库中读取许多视频文件并对其进行处理。我正在使用Matlab，我的问题是，当我想要阅读一个10分钟长的全高清视频时，我应该等待这么长时间，我的计算机就不能正常运行了。我使用这个命令
VideoReader('movie.mp4')
我已经看到，阅读相同格式的30秒长的视频需要47秒。我不需要加载所有的帧到我的内存中，我只需要为我的过程的每一步11帧，并且真的在这里有库存。任何帮助都将不胜感激。
下面是我运行此命令时的输出
disp(videoObj);
输出：
Summary of Multimedia Reader Object for 'movie.m
浏览 3提问于2015-01-29得票数 0
2回答
在使用Sigmoid和BCELoss的同时，我正在实现一个用于二进制分割的UNet。问题是，在几次迭代之后，网络试图预测非常小的每个像素的值，而对于某些区域，它应该预测接近1的值(对于地面真实遮罩区域)。它对错误的行为有什么直觉吗？
此外，还存在用于像素级损失的NLLLoss2d。目前，我只是忽略了这一点，而是直接使用MSELoss()。我应该使用带有Sigmoid激活层的NLLLoss2d吗？
谢谢
浏览 2提问于2017-07-19得票数 1
这是一个非常新手的问题，但我正试图理解cross_entropy在Torch中的损失，所以我创建了以下代码：
x = torch.FloatTensor([
[1.,0.,0.]
,[0.,1.,0.]
,[0.,0.,1.]
])
print(x.argmax(dim=1))
y = torch.LongTensor([0,1,2])
loss = torch.nn.functional.cross_en
浏览 8提问于2019-07-23得票数 3
回答已采纳
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
我正在用keras建立一个简单的机器学习模型。我希望建立模型来进行标量回归。我所建立的模型在经历了大约9个时代之后，在训练损失上达到了惊人的收敛速度。训练数据包括约84000个由6个特征组成的例子。
我运行的模型为100个时代，批量大小为250。我正在使用一个验证集，它是训练集的20%。
因为我在我的本地机器上运行这个(单CPU，没有GPU)，所以我希望它需要更长的时间才能收敛，这有什么原因吗？
下面是模型的定义：
def regression_model():
model = keras.Sequential()
model.add(layers.Dense(64, act
浏览 2提问于2019-04-03得票数 1
回答已采纳
1回答
这个问题来自于在TensorFlow上观看以下视频和从Google /O 18中强化学习：
在这里，他们训练一个非常简单的RL算法来玩Pong游戏。
在他们使用的幻灯片中，损失的定义如下(约@11m25s )：
loss = -R(sampled_actions * log(action_probabilities))
此外，它们还显示了以下代码(约@20m26s)：
# loss
cross_entropies = tf.losses.softmax_cross_entropy(
onehot_labels=tf.one_hot(actions, 3), logits=Ylogits
浏览 2提问于2018-12-04得票数 4
回答已采纳
我正在使用catboost制作一个多类预测模型，最终的解决方案应该具有最小的对数损失误差，但在catboost中不存在对数损失，他们有一个称为“多类”的损失函数。它们都是一样的吗？如果不是，那么我如何用对数损失来衡量catboost模型的准确性呢？
浏览 96提问于2020-06-22得票数 0
1回答
深度学习:当学习率太高时
、、、
当我在Keras中改变SGD的学习率时，我在代码中发现了一些非常奇怪的东西： def build_mlp():
model = Sequential()
model.add(Conv2D(24, nb_row=3, nb_col=3, border_mode='same', activation='relu', input_shape=(28, 28, 1)))
model.add(BatchNormalization(momentum=0.8))
model.add(Conv2D(24, nb_row=3, nb_col=3,
浏览 56提问于2020-06-15得票数 0
回答已采纳
1回答
我用来进行GRU实验的代码。 import torch
import torch.nn as nn
import torch.nn.functional as F
from collections import *
class N(nn.Module):
def __init__(self):
super().__init__()
self.embed = nn.Embedding(5,2)
self.layers = 4
self.gru = nn.GRU(2, 512, self.layers, bat
浏览 40提问于2020-10-15得票数 2
回答已采纳
我想用CNN根据图像来预测估计的等待时间。因此，我想这将使用CNN输出一个回归类型的输出，使用RMSE的损失函数，这就是我现在使用的，但它不能正常工作。
有人可以指出使用CNN图像识别来输出类似于等待时间的标量/回归输出(而不是类输出)的示例，以便我可以使用他们的技术来使其工作，因为我找不到合适的示例。
我找到的所有CNN示例都是针对MSINT数据的，并且区分输出类输出的猫和狗，而不是等待时间的数字/标量输出。
谁能给我一个使用CNN的tensorflow的例子，给出基于图像识别的标量或回归输出。
非常感谢！老实说，我被困住了，没有任何进展，而且已经花了两周多的时间来解决同样的问题。
浏览 27提问于2017-08-06得票数 17
为什么会出现此错误。
我正在尝试编写一个自定义损失函数，它最终具有负的对数概率。
根据我的理解，NLL是在两个概率值之间计算的？
>>> loss = F.nll_loss(sigm, trg_, ignore_index=250, weight=None, size_average=True)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/home//lib/python3.5/site-packages/to
浏览 22提问于2018-07-21得票数 2
回答已采纳
6回答
在最小二乘模型中，成本函数被定义为预测值与实际值之差的平方，作为输入的函数。
当我们进行逻辑回归时，我们将成本函数更改为对数函数，而不是将其定义为sigmoid函数(输出值)与实际输出之间的差值的平方。
是否可以更改和定义我们自己的成本函数来确定参数？
浏览 2提问于2012-08-28得票数 22
回答已采纳
有没有人幸运地用Theano为Keras写了一个自定义的AUC损失函数？
文档在这里：
示例代码在这里：
我看到在pylearn2中有一个实现(它实际上是sklearn的包装器)，但无法将其移植到Keras中使用
所以我想我的问题是，有没有人能写出这个函数？你愿意和我分享一下吗？
浏览 1提问于2015-09-11得票数 6
2回答
我开始做统计，在我的项目中，我想找出相关系数，以便找到变量，这与时间的相关性最好。我想要做的是找到一行(例如"A")之间的关联，它表示变量和(或超过)时间(列1至10)之间的关联。那么，第1行中的所有值是如何与超过10天的时间序列相关的。如果我用错了术语，请原谅，我还是个初学者。
# Dataframe
DF <- rbind(sample(1:100,10)/100, sample(1:100,10)/100, sample(1:100,1)/100)
colnames(DF) <- (1:10)
rownames(DF) <- c("A",
浏览 11提问于2020-06-07得票数 2
回答已采纳
我使用的损失函数中有一个exp项，它将损失放大到无穷大，然后导致梯度变为NaNs……目前有没有办法处理这个问题？
s = tf.exp(n)
# s becomes nan when n is large
浏览 3提问于2017-10-03得票数 2
1回答
基于时间聚类的推荐算法
、、、
我对基于时间的集群并不是很了解，我想知道是否有任何算法适合我的用例。
我有一组消耗数据(范围从0到500)，我想沿着时间间隔对它们进行聚类。
我的问题是，我想找出在时间间隔上存在主要努力差异的时间点。我会确切地知道他们应该有多少个分组(例如5个独立的集群)，但不知道一个集群在哪里结束，下一个集群从哪里开始。
在这种情况下有没有好的算法？我在看K-Means，但它似乎在不考虑时间的情况下非常擅长聚类，我更多地是在寻找边界，查看消耗数据。
浏览 3提问于2018-11-12得票数 4
所以在训练一个稳定的基地
rollout/ep_len_mean：这将是一集的平均长度。预期的行为是什么？
rollout/ep_rew_mean：平均插曲奖励。预计随着时间的推移会增加
time/fps：？
train/approx_kl：\pi_t和\pi_{t+1}有多大的不同？我认为随着\pi接近最优策略，它应该会随着时间的推移而减少。(不知道为什么它是近似值，而不是确切值)
train/clip_fraction：对如何裁剪r_t奖励的一些度量(如在信任区域中)。应该减少随着时间的推移，因为我们没有走出“边界”，因为有了一个训练有素的政策。
train/clip_range：？
tr
浏览 0提问于2022-10-15得票数 0
回答已采纳
3回答
我们有一个问题，它有一个数据驱动的(非分析的)损失函数.我们的目标包含0到20之间的整数(目标本身是离散的)，尽管可能有更大的值，只是在我们的数据集中不存在。事实上，我们有一个非常精确的损失函数，这使得我们在使用像XGBoost这样的算法时遇到了一些严重的问题：
损失函数一般为非凸函数.由于它的形状是由数据驱动的，并且可能有很大的变化，所以它不容易被凸函数所拟合。例如，这意味着，对于预测，不可避免地会给出一个很大的惩罚，而这部分功能是非常合适的，不需要很大的惩罚。如果我们插值而不是拟合，恒河可以是负的(见附图)，这是一个确定叶重的问题(对吗？)
📷
我们认为我们可以适应类似于XGBoost算法
浏览 0提问于2020-10-02得票数 5
3回答
我参与了一个船舶中转时间预测项目。指的是预测一艘船的货物从A港到B港需要多长时间，以便与最快的承运人公司签约，并告诉客户需要多长时间，因为一家承运人公司需要多少时间(多数情况下更多)。
我们有带有预测变量的历史数据库，重点是如果货物的实际转运时间为10天，则比模型估计的9天差，甚至绝对误差为1。
因此，需要一个自定义的度量来惩罚正误多于负错误，并惩罚绝对大的错误，调用错误=实际预测。
我想使用加权均方误差，但我不知道如何平衡权重。你们能帮我吗？您知道满足这种要求的其他指标吗？
非常感谢！
浏览 0提问于2020-12-09得票数 2
2回答
我建立了一个模型来解决一个时间序列预测问题。我有一个有限的时间序列，我可以用它来训练模型，所以我决定增加数据。我使用的数据增强策略是非常基本的，但已经证明了提高了我的模型的准确性。
我编写了我自己的data_generator，我用它来训练我的模型，在keras中使用fit_generator函数。从本质上讲，它接受了我所拥有的整个训练数据集，对所有的时间序列进行洗牌，并且增强过程在每一批中具体进行。在每一批中，我随机挑选，每批中的每个时间序列，开始点和结束点，使每一批包含不同长度的每个系列在批内的切片。这显然会创建一个几乎无穷无尽的数据流，但它完全依赖于模型运行的时代数，因为数据集不是预先增
浏览 0提问于2019-01-27得票数 2
回答已采纳
1回答
我用CNN来模拟一个涉及物理模拟精确数值的问题。
经过几个月的设计/重新设计和优化，我注意到这个网络中的大部分“错误”是由于较小的值情况下的精度较低而累积起来的，而当数值较大时，它似乎工作得很好。
当输入到网络中时，输入值总是标准化为(0,1)。
误差是在非正态化的输出值上测量的。
如何确保网络更好地学习这些“小”值？
我认为，关键问题在于，由于标准化过程，网络对I/O对的实际大小“蒙蔽”了。
这是标准化过程中固有的问题，还是网络设计中的一个问题？
在这种情况下，使用MAPE对错误进行量化。
浏览 0提问于2020-01-30得票数 0
2回答
我目前正在创建用于测量MSE损失函数的标准，使用：
loss_fcn = torch.nn.MSELoss()
loss = loss_fcn(logits[getMaskForBatch(subgraph)], labels.float())
现在我需要将它更改为F1 score，但是我似乎找不到一个可以用于它的库
浏览 2提问于2020-08-14得票数 1
考虑这段代码，
function isPrime(n):
for i from 2 to n - 1:
if (n mod i) = 0, return false
return true
内环运行O(n)次，每次计算n个mod i(作为一个非常保守的上界，这当然可以在时间O(n^3)中完成)。因此，这个整体算法在O(n^4)时间内运行，并且可能要快得多。
我们的算法运行在时间O(n^4)中，但作为输入位数的函数是什么？写出数字n需要O(log )位。因此，如果x是写出输入n所需的位数，则该算法的运行时实际上是O(2^(4x))，它不是x中的多项式。
我的问题是
若要用位写入数字n，
浏览 6提问于2017-07-20得票数 2
回答已采纳
scikit学习的SGDClassifier将其定义为“线性分类器(支持向量机、logistic回归等)和SGD训练。”我从这里了解到，任何线性分类器都可以在这里使用。我想知道，我们如何定义一个特定的线性分类器，用于SGDClassifier的情况。
浏览 0提问于2020-09-21得票数 1
回答已采纳
问题：，我正在尝试获取这个日期:从今天开始，一个以秒为单位的时间戳(UTC)的C#长。
我尝试过几件事，包括：
DateTime startDate = DateTime.UtcNow.AddMonths(1);
long nextMonth = startDate.Ticks;
我在将DateTime转换为long的答案中看到了上面的内容，但是我使用的API需要秒(不是滴答)。我希望有一个更优雅的解决方案，而不是像我所看到的那样，通过某种数学将这么长的时间从滴答转换成秒：
long epoch = value.ToUniversalTime().Ticks - 6213559680
浏览 0提问于2020-09-01得票数 0
回答已采纳
我必须遵循数据框架，我想要可视化为一个简单的时间序列图表，但我找不到方法来绘制它，因为我的变量在标题中。你们知道我该怎么解决吗？
这是我的数据框架：
浏览 1提问于2021-05-14得票数 1
回答已采纳
在python中，在math.pow，numpy.power，numpy.float_power，pow()和**之间，在两个浮点数x，y之间，在精度上有区别吗？我假设x非常接近1，而y很大。
浏览 56提问于2020-12-03得票数 0
1回答
我正在研究这个笔记本电脑-- --我们使用一个嵌入层，LSTM和最后的密集层w/ softmax来生成音乐。
然而，对于我们如何计算损失，我有点困惑；据我理解，在这个笔记本中(在compute_loss()中)，在任何给定的批次中，我们将预期的标签(即注释本身)与逻辑(即从密集层预测)进行比较。然而，这些预测不应该是概率分布吗？我们什么时候才能真正选择我们预测的标签呢？
对我的问题做更多的澄清:如果我们的标签的形状是(batch_size，#时间步骤)，而我们的逻辑的形状是(batch_size，#时间步骤，vocab_size)，那么在compute_loss()函数的哪个点，我们实际上在
浏览 7提问于2020-05-14得票数 2
回答已采纳
2回答
我正在运行张量流的单词RNN实现
如何计算RNN的困惑。
以下是训练中的代码，显示了每个时期的训练损失和其他情况：
for e in range(model.epoch_pointer.eval(), args.num_epochs):
sess.run(tf.assign(model.lr, args.learning_rate * (args.decay_rate ** e)))
data_loader.reset_batch_pointer()
state = sess.run(model.initial_state)
sp
浏览 0提问于2017-01-27得票数 10
回答已采纳
1回答
文本和数字数据的多类预测
、、、
我正在尝试使用Tf-IdfVectorizer为包含数字和文本特征的数据集创建预测模型(或分类)，我已经设法将文本列转换为列表，因此文本列中的每个单元格都是浮点数的列表，例如[0.0 0.3567 0.0 0.0] (不带逗号)。我的目标特性是一组类。每行可以有多个值，例如
[a, b, c, 1]
[1, d]
[]
问题是如何对目标变量进行预处理，以便我的模型做出分类预测？我尝试过标签编码，但它为每一行创建了新的编码，因此相同的整数被编码到不同行的不同类中。
我计划接受超过某个阈值的每一行的所有预测。有没有模型也支持这一点？非常感谢你提前
浏览 1提问于2017-10-13得票数 0
我在一个二进制分类问题上训练了一个xgboost型分类器。它能产生70%的准确率预测。然而，在9.13，logloss是非常大的。我怀疑这可能是因为一些预测与目标相差很远，但我不明白为什么会发生这种情况-其他人报告的相同数据的对数损失(0.55 - 0.6)要好得多。
from readCsv import x_train, y_train
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, log_loss
from xgboost import XG
浏览 8提问于2017-06-21得票数 2
回答已采纳
2回答
我正在用PHP设计一个聊天应用程序。我在php环境中使用nginx。问题是，在连接了几个客户端之后，PHP脚本变得非常慢。
我只有几个(5-10)客户端连接，长时间的投票被设置为30秒。Nginx立即提供静态内容，如图像或样式，但对于PHP脚本，加载几乎需要5秒。我使用XDebug来分析代码，但它告诉我，加载5秒的脚本只需100 is，这是令人困惑的。
我认为php5-fpm会对传入的请求进行排队，这会导致这样的延迟。在使用长轮询时，我应该了解php5-fpm配置吗？我想强调的是，当~5个客户端正在使用聊天时，它变得非常非常慢。
相似的问题：http://forum.nginx.org/rea
浏览 0提问于2014-02-23得票数 2
1回答
最近我听到了一个问题，那就是切割杆问题的变化。
如果您的杆长为10，并且从客户那里得到不同尺寸棒的订单(即一个客户订购的杆长为4，另一个杆长为7，另一个杆长为6)，那么您需要多少棒才能最大限度地减少损失？
一段时间以来，我一直试图想出一个解决方案，但我想不出一个令人信服的解决方案。
谢谢!
编辑：
您将得到所有订单的数组。例如，4,8,9,1,4,3,7.棒子的长度为10 (因此每个订单必须小于10)。
浏览 4提问于2015-08-26得票数 1
1回答
Keras对数损失函数
、、、
我必须将以下损失函数应用于角膜缘：
这是我的密码：
input_shape = self.s_dim[1:]
input_ = Input(shape=input_shape, name='input')
hidden = Dense(self.n_hidden, activation='relu')(input_)
out = Dense(3, activation='sigmoid')(hidden)
model = Model(inputs=input_, outputs=out, name="ar-model"
浏览 0提问于2018-04-30得票数 1
回答已采纳
在删除compile步骤的丢失函数(将其设置为loss=None)并添加一个函数以通过add_loss方法添加另一个损失函数后，我的代码遇到了问题。我可以调用fit，它只训练一个时代，但是我得到了这个错误：
ValueError: operands could not be broadcast together with shapes (128,) (117,) (128,)
我的批号是128。看起来117在某种程度上取决于我使用的示例的数量。当我改变例子的数量时，我从117得到了不同的数字。他们都是我的数量的例子和我的批次大小。我不知道如何解决这个问题。我使用tf.data.TFRecor
浏览 5提问于2021-10-22得票数 0
回答已采纳
我正在试着在sklearn中调优的超参数，想知道l2_regularization的可能值是什么，其余的参数网格看起来像这样-
param_grid = {
'learning_rate': [.1, .12],
'max_iter': [1000, 1200],
'min_samples_leaf': [15, 20],
'max_depth': [None, 10, 20]
}
在这里，.12和1000次迭代的学习率提供了足够好的结果。所以我想知道l2_regularization的值是什么样的
浏览 121提问于2021-06-12得票数 0
回答已采纳
我需要在我的java代码中实现harvesine距离。
我在Javascript中找到了这个片段，我需要将它转换为java。
如何在Java中将纬度和经度转换为弧度？
Math.sin想要Java中的双人。我是否应该以弧度传递先前转换的值？
Math.sin和Math.cos返回很长时间。我应该声明一个长度为等长，并将其传递给Math.sqrt，还是将其转换为double？
谢谢
dLat = (lat2-lat1).toRad();
dLon = (lng2-lng1).toRad();
a = Math.sin(dLat/2) * Math.sin(dLat/2) +
浏览 2提问于2011-03-05得票数 11
回答已采纳
我想知道是否有可能在scikit-learn中为朴素的Bayes分类器定义损失函数。例如，让我们假设我们对垃圾邮件和火腿分类感兴趣。在这种情况下，这样的损失函数将有助于降低假阳性率(即将火腿归类为垃圾邮件，这比将垃圾邮件分类为火腿“更糟”)。
为了简单起见，我有一个使用来自高斯的随机数据的例子。
浏览 0提问于2014-08-30得票数 2
回答已采纳
我制作了两种不同的卷积神经网络来进行多类分类。我在keras中使用evaluate_generator函数测试了这两个网络的性能。这两种模型都给了我相当的准确性。一个给我55.9%，另一个给我54.8%。然而，给我55.9%的模型给出的验证损失为5.37，其他1.24。
当精度相近时，这些测试损失怎么会如此不同呢？如果有的话，我预计损失的55.9%的模型，准确性会较低，但它不是。
是不是损失了网络所犯错误的总和？
我会很感激你的见解。
浏览 2提问于2020-08-11得票数 2
回答已采纳
1回答
循环中的计算时间差
、、、、
在编写我目前正在编写的程序时，我注意到了性能上的一些变化，并希望检查一些循环中用于解释这一点的计算时间。
我写了一个非常简单的程序，在一个循环中做一个简单的加法计算，并输出它所需的时间，我注意到两个为我在目前无法解释的效果。
第一，守则：
public partial class MainWindow : Window
{
public MainWindow()
{
InitializeComponent();
}
private void button1_Click(object sender, RoutedEventArgs e)
浏览 3提问于2012-11-08得票数 1
回答已采纳
我用tensorflow创建了一个线性分类器模型。当我评估模型时，将返回以下内容。
accuracy: 0.975183
eval_auc: 0.534855
loss: 0.115239
有人能解释一下eval_auc和损失是如何计算的吗？谢谢!
浏览 3提问于2016-09-02得票数 0
回答已采纳
我有一个很大的二进制文件，它表示图像中每个像素的alpha通道-0表示透明，1表示其他任何情况。这个二进制数据需要从一个文本文件中动态加载，在其中获得最大可能的压缩率将是非常有用的。解压缩时间并不是最重要的(除非我们谈论的是一分钟到一小时的跳跃)，但文件需要尽可能小。
到目前为止，我们尝试的方法是使用游程编码，然后是霍夫曼编码，然后将二进制数据转换为base64，以及游程编码，但使用数值1和字母等效值0和1来区分0和1(似乎可以提供最佳结果)。然而，我们想知道是否有比这两种方法更好的解决方案，因为我们是从逻辑的角度来处理它，而不是寻找所有可能的方法。
浏览 1提问于2010-12-04得票数 9
回答已采纳
1回答
我是微调GPT-2模型的语言生成任务使用拥抱面对变形金刚库-毕火炬，我需要计算一个评估分数(困惑)的微调模型。但我不知道如何利用损失来做到这一点。我想知道如何计算模型的困惑与sum_loss或平均损失或任何其他建议也是欢迎的。任何帮助都是徒劳无功。
编辑：
outputs = model(article_tens, labels=article_tens)
loss, prediction_scores = outputs[:2]
loss.backward()
sum_loss = sum_lo
浏览 0提问于2020-05-24得票数 3
回答已采纳
通常，我们使用RMSE来评估模型的性能。我很好奇，为什么我们用平均残值来代替RMSE？
RMSE的定义：
[]()
这里提到的平均剩余是：
[]()
例如：
我们有三个样品:0 1 2
预测值为:0 2 10。
所以平均残差是
[]()
RMSE是
[]()
那么这两个值之间有什么区别呢？
浏览 0提问于2017-05-06得票数 0
回答已采纳
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
