使用逻辑回归后端的虹膜数据集(TensorFlow 2.1.0)
逻辑回归是一种常用的机器学习算法，用于解决二分类问题。它通过将输入特征与权重相乘，并加上偏置项，然后将结果通过一个sigmoid函数映射到0和1之间的概率值，从而进行分类预测。
虹膜数据集是一个常用的用于虹膜识别的数据集，用于验证和评估虹膜识别算法的性能。它包含了大量的虹膜图像和相应的标签，用于训练和测试虹膜识别模型。
TensorFlow是一个流行的开源机器学习框架，提供了丰富的工具和库，用于构建和训练各种机器学习模型，包括逻辑回归模型。TensorFlow 2.1.0是TensorFlow的一个版本，它提供了许多新的功能和改进，使得开发和训练模型更加方便和高效。
在使用逻辑回归后端的虹膜数据集时，可以按照以下步骤进行：
- 数据准备：首先，需要将虹膜数据集进行预处理，包括图像的读取、大小调整、灰度化、特征提取等。可以使用TensorFlow提供的图像处理工具和库来完成这些任务。
- 特征工程：对于逻辑回归模型，需要将图像数据转换为特征向量。可以使用各种特征提取方法，如局部二值模式（LBP）、方向梯度直方图（HOG）等，将图像转换为数值特征。
- 数据划分：将虹膜数据集划分为训练集和测试集，通常采用交叉验证的方法来评估模型的性能。
- 模型训练：使用TensorFlow构建逻辑回归模型，并使用训练集进行模型训练。可以使用梯度下降等优化算法来最小化损失函数，更新模型的权重和偏置项。
- 模型评估：使用测试集对训练好的模型进行评估，计算准确率、精确率、召回率等指标，评估模型的性能和泛化能力。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云图像处理（https://cloud.tencent.com/product/tiia）
- 腾讯云数据集市（https://cloud.tencent.com/product/dataset）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
以上是关于使用逻辑回归后端的虹膜数据集（TensorFlow 2.1.0）的一般步骤和推荐的腾讯云相关产品。请注意，这仅仅是一个示例回答，实际情况可能因具体需求和环境而有所不同。
相关·内容
遵循Tensorflow教程中的虹膜分类问题，我正在尝试构建一个DNN分类器模型来识别手写字符。遇到了对测试数据的质疑。
我假设在正常的机器学习中，测试数据是未标记的。为什么在tensorflow中，测试数据也应该被标记？有没有什么方法可以使用DNN分类器或tensorflow中的任何其他分类器输入未标记的测试数据？
浏览 18提问于2018-07-27得票数 1
1回答
每个图像都标有左和右运动控制。我已经在下面的图表中绘制了它们。
我使用Keras和TensorFlow作为后端，使用ConvNets进行回归。
很明显，如果我能够删除可见回归左边的训练样本，回归可以变得简单得多。
加载图片和标签的代码非常简单，如下所示：
filenames = glob.glob("../data/*.jpg")
labels = []
images = []
for filename in filenames:
# Timestamp-LeftMotorControl-RightMotorControl.jpg
filename =
浏览 1提问于2017-02-17得票数 1
虹膜数据集
dt3 = rpart(Species ~., control = rpart.control( minsplit = 10, maxdepth = 5),data=iris , method = "poisson")
dt3 [contents obtained from dt3][2]
图如图所示。
虹膜数据集回归树图
所以我的问题是，当使用回归树时，特定盒子what is 2 ; 300 / 150 and 100% in root node中的参数是什么？请帮我解决这个问题。
浏览 0提问于2018-06-08得票数 0
我想用所有可用变量运行一个logistic回归的因变量(在我的数据集中它是:dat$接纳)，每个回归都有它自己的自变量和因变量。我想得到的结果是每个回归总结的列表。使用下面提交的数据集，应该有3个回归。
下面是一个样本数据集(其中承认是logistic回归因变量)：
dat <- read.table(text = "
+ female apcalc admit num
+ 0 0 0 7
+ 0 0 1 1
+ 0 1 0 3
浏览 4提问于2014-03-09得票数 0
回答已采纳
我知道如何在Tensorflow 1.x ()中做到这一点。
但是对于TensorFlow2.0，如何为numpy矩阵创建feature_columns？
import pandas as pd
import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import tensorflow as tf
X = iris['data']
y = iris['target']
X_train, X_tes
浏览 15提问于2021-02-27得票数 0
我用虹膜数据集建立了一个简单的回归模型。我想用所有可用的变量运行因变量(iris$Sepal.Length)，每个回归都有自己的变量(每个回归都应该有)。我想得到的结果是每个回归总结的列表。使用虹膜数据集，应该有4个回归：
r1 <- lm(Sepal.Length ~ Sepal.Width, data=iris)
r2 <- lm(Sepal.Length ~ Petal.Length, data=iris)
r3 <- lm(Sepal.Length ~ Petal.Width, data=iris)
r4 <- lm(Sepal.Length ~ Species
浏览 4提问于2014-03-09得票数 2
回答已采纳
我一直在我的笔记本电脑上使用tensorflow for cpu，由于速度太慢，我决定转移到我的台式机上，使用tensorflow for gpu。
问题是，在我的台式计算机上，我不能像这样导入，而我可以在笔记本电脑上这样做：
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.layers import Dropout, Flatten, Dense
from tensorflow.keras.applications import MobileNetV2
所以我决
浏览 1提问于2020-04-07得票数 2
尝试基于虹膜数据集来再现Tensorflow教程的结果
但是，我无法运行它，因为存在属性错误，我正在官方docker tensorflow jupyter镜像上运行它
浏览 14提问于2017-08-18得票数 1
回答已采纳
1回答
首先，我对虹膜数据集使用正态logistic回归，它得到了0.977的准确率，第二次对数据集进行预处理时，我得到了0.955的准确率。为甚麽呢？
from sklearn.linear_model import LogisticRegression
import sklearn.metrics as metrics
logreg= LogisticRegression()
xtrain, xtest, ytrain, ytest= train_test_split(x,y, test_size= 0.3, random_state= 1)
logreg.fit(xtrain, ytrain)
浏览 1提问于2020-04-20得票数 0
假设我使用以下数据
data(iris)
iris
并进行以下回归：
linearReg <- lm(Sepal.Length ~ Petal.Length+Petal.Width, data=iris)
linearReg$coefficients
(Intercept) Petal.Length Petal.Width
4.1905824 0.5417772 -0.3195506
现在，我想知道如何使用这些系数的结果，得到的结果，每150个的数据虹膜。
第1行: 4.1905824 + obs1_petal.lenght*0.5417772 +obs1 1_
浏览 5提问于2013-03-09得票数 1
回答已采纳
我来自Scikit学习的背景。我很难理解如何为Tensorflow预处理数据集。
我正在尝试用虹膜数据集实现支持向量机。如果我有两个numpy数组，一个包含特征列表，另一个包含标签列表，我将使用哪些函数来创建分类器？
estimator = SVM(
example_id_column='example_id',
feature_columns=[real_feature_column, sparse_feature_column],
l2_regularization=10.0)
我猜example_id_column应该是
example_id_co
浏览 1提问于2018-04-25得票数 0
1回答
我一直在使用tensorflow playground：，并设计了一些有趣的网络，我想在实际的tensorflow工作中部署它们。
我注意到，在操场上，他们将特征集表示为函数x，x^2，sine(x)等。
我的问题是:在tensorflow作业中表示这些类型的转换函数的最佳方式是什么？人们通常是如何处理这件事的？是在输入层之前的转换中，还是在网络本身中？
我有在tensorflow中编写基本回归和处理自定义数据集的经验，但我是深度学习的新手。
浏览 2提问于2016-08-14得票数 1
回答已采纳
2回答
如何从适合使用rpart的回归树生成预测间隔？
我的理解是，回归树以叶节点的平均值作为响应的模型。我不知道如何从模型中得到叶节点的方差，但我想要做的是模拟使用叶节点的均值和方差来获得预测间隔。
没有给出间隔的选项。
示例：I将一棵树与虹膜数据相匹配，但没有选项"interval“
> r1 <- rpart(Sepal.Length ~ ., cp = 0.001, data = iris[1:nrow(iris)-1,])
> predict(r1,newdata=iris[nrow(iris),],type = "interval")
Error
浏览 2提问于2015-03-18得票数 11
回答已采纳
使用软件包ggplot2和虹膜，我想用拟合的回归线绘制散点图。
library(ggplot2)
ggplot(data=iris, aes(x = Petal.Width, y = Petal.Length,color=Species)) +
geom_point(shape=1) +
stat_smooth(method = "lm",formula= 'Petal.Length ~ Petal.Width+I(Petal.Width^2)+SaleType+Petal.Width*Species', data=iris,
浏览 2提问于2016-04-15得票数 0
我是新的深入学习和Tensorflow，并必须学习这个主题，因为我目前正在工作的项目。我使用卷积网络来检测和查找图像中单个物体的位置。我正在使用中引入的方法。讲师提到在网络中连接完全连接的层后连接一个回归头，以查找对象的位置。我知道在坦索弗洛有DNNRegressor。我应该用这个作为回归头吗？
在修改Tensorflow关于如何为我的案例使用ConvNet到的教程之前。我不太确定如何将回归头添加到该程序中，以便它也可以为对象找到一个边框。
这周我刚刚有机会接触机器学习和深入学习，如果我问了一个非常愚蠢的问题，很抱歉，但是我真的需要找到解决我的问题的方法。非常感谢。
浏览 0提问于2017-07-07得票数 5
1回答
试图使逻辑回归模型在虹膜数据集上工作，但它不适合。代码出了什么问题。谢谢。。
# Dependencies used: numpy, matpotlib.pyplot, csv
# dataset: Iris
# Binary classification using gradient descent
# python 3.5
# input data matrix = x(99 X 1) # including ones vector
# discrete output data matrix = y(99 X 1)
# parameters matrix = theta(5 X 1)
f
浏览 0提问于2017-10-08得票数 0
我正在尝试使用Keras进行简单的多项logistic回归，但是结果与标准的科学学习方法有很大的不同。
例如，对于虹膜数据：
import numpy as np
import pandas as pd
df = pd.read_csv("./data/iris.data", header=None)
from sklearn.model_selection import train_test_split
df_train, df_test = train_test_split(df, test_size=0.3, random_state=52)
X_train = df
浏览 1提问于2020-01-08得票数 4
回答已采纳
3回答
在第50页的“”一书中，作者正在对数据集执行线性回归，并得到：
training set score: 0.67
test set score: 0.66
然后他们说，他们“很可能不适应，而不是过度适应”。
但是，当使用TensorFlow的时，它们使用的是带有神经网络的MNIST时尚数据集，并得到：
training set score: 0.892
test set score: 0.876
然后，他们声明如下
“事实证明，测试数据集的准确性略低于训练数据集的准确性。训练精度和测试精度之间的差距是过度拟合的一个例子。过度拟合是指机器学习模型在新数据上的表现比他们的训练数据更糟糕。“
我相信
浏览 1提问于2018-07-29得票数 0
回答已采纳
2回答
申请
、、
我试图将线性回归应用于数据帧列表，并对特定值进行筛选。例如，有一个Iris数据帧列表，我试图为Sepal.Length ~ Sepal.Width运行一个回归，每个物种运行一个不同的回归。
test <- dlply(iris, "Species", function(x) lm(Sepal.Length ~ Sepal.Width, data = x))
但是我想同时做一个数据列表，而不是单独的。因此，假设我有一个多个虹膜数据帧的列表：
iris1 <- iris
iris2 <- iris
iris3 <- iris
iris_list <
浏览 2提问于2021-10-15得票数 0
回答已采纳
1回答
我正在研究一个分类问题，.I希望使用MLP从著名的虹膜数据集中对虹膜花进行分类。我知道输出层中神经元的数目应该是相同的类数，但是输出层中的一个神经元可以用输出值(0、1或-1)来表示这三种类型，或者它被认为是回归而不是分类？谢谢
trin= [4.7 3.2 1.6 0.2;
4.8 3.1 1.6 0.2;
5.4 3.4 1.5 0.4;
5.2 4.1 1.5 0.1;
5.5 4.2 1.4 0.2;
5.7 2.6 3.5 1;
5.5 2.4 3.8 1.1;
5.5 2.4 3.7 1;
5.8 2.7 3.9 1.2;
6 2.7 5
浏览 0提问于2018-12-23得票数 0
数据集(或数据集)是数据的集合。最常见的情况是，数据集对应于单个数据库表或单个统计数据矩阵的内容，其中表的每一列代表特定变量，每一行对应于所述数据集的给定成员。
虹膜数据集似乎可以计算为1数据集。
包含两个以上表的数据库是否算为1或2个数据集？
浏览 0提问于2019-05-20得票数 1
1回答
我以前在谷歌上搜索的一般术语，比如本地化的精确性、定制的精确性、偏颇的成本函数似乎都是错误的，也许我甚至没有问正确的问题。
假设我有一些数据，也许是：
著名的虹膜分类问题
猫科图片
我在预测房价时提供的下列数据集：
在所有这些场景中，我真正感兴趣的是一个数据集/一个回归范围的准确性。
对于虹膜，我真的需要虹膜的分类是正确的，真的不关心如果虹膜处女和斑纹都是错误的。
对于Felines来说，我真的需要模特来告诉我，如果你发现了一只老虎(原因很明显)，不管它是波斯的还是杂碎的，我都不在乎。
对于房价之一，我希望将高端房屋误差的准确性降到最低
浏览 8提问于2022-03-07得票数 2
回答已采纳
我试图使用M mboost软件包在R中应用一个多项式logistic回归模型。我在网上找到了这个例子，但我在预测函数中添加了"newdata = iris“，以查看预测公式在mboost中对新数据是如何工作的。不过，我正在犯一个错误。首先是代码：
library(mboost)
### fitting multinomial logit model via a linear array model
X0 <- K0 <- diag(nlevels(iris$Species) - 1)
colnames(X0) <- levels(iris$Species)[-nle
浏览 7提问于2015-07-23得票数 2
回答已采纳
有人可以分享如何训练，调优(超参数)，交叉验证，并测试一个游侠分位数回归模型，以及误差评估？有虹膜或者波士顿的房产数据吗？
我之所以问这个问题，是因为我没有在Kaggle，随机博客，Youtube上找到很多使用分位数回归的例子或演练。我遇到的大多数问题都是分类问题。
我目前正在使用分位数回归模型，但我希望看到其他例子，特别是在超参数调优方面。
浏览 6提问于2022-01-04得票数 -2
回答已采纳
1回答
本文采用多项logistic回归模型，利用tidymodels框架对虹膜数据集中物种进行预测。
library(tidymodels)
iris.lr = multinom_reg(
mode="classification",
penalty=NULL,
mixture=NULL
) %>%
set_engine("glmnet")
iris.fit = iris.lr %>%
fit(Species ~. , data = iris)
然后，我想看看我的模型的系数，并写出公式。我的理解是，我应该从iris.fit那里得到这
浏览 0提问于2020-05-11得票数 1
回答已采纳
3回答
我学习Logistic回归已经有些日子了，我认为logistic回归的数据集的标签应该是1或0，对吗？
但是当我查找库的时，我看到标签值是连续数(例如1.0086，1.0089...)，我是不是遗漏了什么？
请注意，libSVM库可用于解决回归问题。
非常感谢！
浏览 1提问于2013-01-19得票数 3
我正在尝试分析R中两个线性回归的差异(或缺少)。为此，我一直使用fANCOVA中的T.aov()函数；然而，这一次我要处理非常大的数据，而T.aov()需要花费几天时间才能运行。离截止日期不再有几天了……
有没有更有效的T.aov()等价物，或者使用T.aov()进行编码的更有效的方法？
我目前的表述相当简单：T.aov(x=data$descriptor, y=data$response, group=data$category, B=1)
使用虹膜的可重现示例：T.aov(x=iris$Sepal.Length, y=iris$Petal.Length, group=iris$Specie
浏览 23提问于2020-11-12得票数 1
回答已采纳
我在卸载TensorFlow时遇到问题。
我有一个使用TensorFlow的Python脚本。我希望它使用TensorFlow 1.15，但它目前使用的是TensorFlow 2.1.0。我通过我的命令：pip uninstall tensorflow和pip uninstall tensorflow-gpu删除了TensorFlow。当我再次运行这些命令时，它提示没有安装TensorFlow。但是，我可以看到我的脚本显示它使用的是TensorFlow 2.1.0 (我在脚本中添加了行：print(tf.__version__))。谁知道这个TensorFlow 2.1.0的安装位置，以及如何
浏览 1提问于2020-01-20得票数 0
1回答
我正在使用Keras 1.2.1、tensorflow后端和生成器开发一个回归神经网络，用于动态图像增强。
我想根据与每个图像相关联的标签来扩充我的随机数据集。
例如，在每个时期，我只想包含被标记为0.00的图像的25%。
另一方面，如果图像被标记为，比如说<= -.20，我想以某种随机量旋转/翻转/平移它。
问题是，我如何才能有选择地根据图像数据的标签对其进行扩充？
这是可能的吗？
浏览 1提问于2017-04-28得票数 0
3回答
尺度神经网络
、、、、
当使用神经网络(TensorFlow:深度神经回归)时，当将训练数据从样本增加到整个数据(例如10倍大的数据集)时，您应该对模型体系结构(更深/更宽)、学习速度和一般的超参数进行哪些更改？
在这些变化中，有多少尝试和错误涉及到启发式逻辑？
浏览 0提问于2019-03-21得票数 6
我正在开发木星笔记本环境中的图像分类模型。在我的模型与CPU一起工作后，我正在尝试使用最新的TensorFlow码头映像支持的木星& GPU ()，以便我可以利用我的GPU进行培训。GPU的配置不是问题(nvidia-smi命令显示GPU是可用的)，但我现在不得不考虑如何处理图像数据管道设置。
我有包含具有以下结构的图像的文件夹：
my_folder
│
└───Training
│ │
│ └───Class_A
│ │ 01234.jpg
│ │ 56789.jpg
│ │ ...
│ │
│ └───
浏览 19提问于2022-10-23得票数 1
回答已采纳
1回答
我试图在虹膜数据集上实现简单的线性回归。我的代码是：
from sklearn.linear_model import LinearRegression
df = sns.load_dataset('iris')
x = df['sepal_length']
y = df['sepal_width']
model = LinearRegression()
model.fit(x,y)
但是，我得到了以下错误：
如果数据具有单个特性，则使用array.reshape(-1，1)或array.reshape(1，-1)对数据进行整形。
浏览 0提问于2022-02-04得票数 0
回答已采纳
我不知道，为什么我的蟒蛇表现这么奇怪。我有tensorflow-2.3，因为cuda-10.1不适用，所以我必须回到tensorflow-2.1。所以我的命令是：
pip uninstall tensorflow tensorflow-gpu
pip install tensorflow==2.1.0 tensorflow-gpu==2.1.0
但是当我尝试在python中使用tensorflow时，它说它是2.3版。
当我第二次尝试卸载时，它说我有2.1.0。
那么为什么python显示的版本是2.3而不是2.1?？
以下是一张快照：
浏览 4提问于2020-09-29得票数 2
回答已采纳
1回答
我试图看看是否可以使用虹膜数据集上的mapply函数来拟合多元回归模型。
我首先定义我的回归模型：
reg<-function(dependent,independent){lm(eval(paste0(dependent,"~",independent,",data=iris")))}
然后，我定义了因变量和自变量的向量：
dependent<-c("Sepal.Length","Sepal.Width")
independent<-c("Sepal.Width","Sepal.Leng
浏览 4提问于2020-06-19得票数 1
回答已采纳
我正在为来自的数据构建一个简单的线性回归器。数据包括一些人的体重和身高值。整个学习过程非常简单：
MAX_STEPS = 2000
# ...
features = [tf.contrib.layers.real_valued_column(feature_name) for feature_name in FEATURES_COL]
# ...
linear_regressor = tf.contrib.learn.LinearRegressor(feature_columns=features)
linear_regressor.fit(input_fn=prepare_input, ma
浏览 0提问于2016-11-22得票数 4
回答已采纳
1回答
我有一个回归数据集，其中大约95%的目标变量为0(其他5%介于1和30之间)，我正在尝试设计一个Tensorflow模型来模拟该数据。我正在考虑实现一个结合了分类器和回归器的模型(检查分类器子模型的输出，如果它小于阈值，则将其传递给回归子模型)。我有一种直觉，那就是应该使用functional API来构建它，但是我找不到有帮助的资源。有什么想法吗？
下面是生成我用来复制问题的数据的代码：
n = 10000
zero_percentage = 0.95
zeros = np.zeros(round(n * zero_percentage))
non_zeros = np.random.ran
浏览 10提问于2021-06-01得票数 0
我以前曾在Iris数据集上训练过一个逻辑回归分类器，并将结果模型保存到一个名为iris.model的文件中。
我现在将模型加载到Weka Explorer中：
如何编辑这个模型的系数？例如，我想把虹膜的sepallength系数从21.8065改为19。
浏览 2提问于2021-07-14得票数 0
回答已采纳
我在代码中使用tensorflow 1.15，我想使用tensorflow_datasets。我安装了tensorflow_datasets的最后一个版本，但它似乎与我的tf版本有冲突。试图导入tensorflow_datasets时的实际消息是：
import tensorflow as tf
import tensorflow_datasets as tfds
ImportError:此版本的TensorFlow数据集需要TensorFlow版本>= 2.1.0；检测到1.15.0版本的安装。请升级TensorFlow继续。
因此，显然一个较新版本的tf (比如一个>=
浏览 18提问于2021-01-19得票数 3
回答已采纳
我使用统计模型来构建逻辑回归，如下所示：
X = np.copy(train_data)
X = sm_.add_constant(X)
model = sm.Logit(train_y, X)
result = model.fit(method='bfgs', maxiter=10000)
p_values[i-1, j-1, :] = result.pvalues
logistic_Coefficients[i-1, j-1, :] = result.params
但是我
浏览 7提问于2019-04-07得票数 4
我已经在Windows上安装了Anaconda (Conda Forge的软件包)的Tensorflow和Keras。这种安装将Theano设置为主后端，因此我检查了keras.json文件，令人惊讶的是它将Tensorflow设置为主后端。此外，如果我试图删除Theano的安装，Keras就会停止工作。我假设每次运行Keras时，它都会覆盖json文件。如何将Tensorflow永久设置为主后端？
浏览 9提问于2017-05-13得票数 0
回答已采纳
我为tensorflow_addons模块安装了一个pip。然后，当我执行导入tensorflow_addons时，我会得到下面的错误。怎么解决这个问题？版本打印这个‘1.13.1’。但是当我通过anaconda提示符conda列表-n库检查版本时，我发现了以下内容
pypi_0 pypi tensorflow 2.1.0 pypi_0 pypi tensorflow-addons 0.9.1 pypi_0 pypi tensorflow-数据集3.0.0 pypi_0 pypi tensorflow-估计器2.1.0pypi_0 pypi tensorflow-gpu 1.13.1 h0d
浏览 3提问于2020-04-23得票数 4
如何在tensorflow中保存和加载DNN分类器？对于给定的默认虹膜分类器程序，请这样做。()
浏览 5提问于2018-01-03得票数 3
回答已采纳
2回答
线性回归+ KFold交叉验证
、、、、
我已经准备好了一个预先拥有的数据集和相应的标签(8个类)。我已经用DT，KNN，NB和支持向量机等分类器对KFold和K=10进行了交叉验证，现在我想做一个线性回归模型，但不确定它与KFold的关系如何，它是否可能，或者对于回归，我应该把集合单独划分成一个训练和测试集？
这8个类别是年龄(对于NLP问题)，所以我想检查分类和回归的选项。
浏览 0提问于2018-07-04得票数 2
2回答
我在上10年级，我希望在患者数据上使用机器学习模型来找到一周中的时间和患者依从性之间的相关性。我将一周划分为21个时间段，一天中的每个时间段都有三个时间段(1个是周一上午，2个是周一下午，依此类推)。依从性值将是二进制的(0表示他们没有服用药物，1表示他们服用了)。我将为我的模型模拟训练、验证和测试数据。根据我的理解，我可以使用逻辑回归模型来输出患者在给定特定时间段的过去数据的情况下错过药物治疗的概率。这是因为逻辑回归在给定阈值时会输出二进制值，并且适用于处理概率和二进制类的问题，这就是我的方案。在我的例子中，我处理的两个类是肯定的，他们会吃药，不会的。但这样做的主要问题是，这些数据将是非线
浏览 27提问于2018-12-20得票数 0
我使用了虹膜数据，并试图在其中一个变量上建立一个带有过滤器的回归模型。
data(iris)
这是我的模型--我想看看iris$Sepal.Width>=3.0时的回归结果
gg1<-lm( iris$Sepal.Length~ iris$Sepal.Width[which(iris$Sepal.Width>=3.0)])
然而，我从R中得到了这个输出：
Model.frame.default中的错误(公式= iris$Sepal.Length ~iris$Sepal.Width[其中(iris$Sepal.Width >=：可变长度不同)“(iris$Sepal.W
浏览 2提问于2014-03-09得票数 1
回答已采纳
我试图实现一个基于的神经网络，使用我自己的数据来代替虹膜数据集。据我所知，唯一的区别是点数，我的数据有13个特征，而虹膜数据只有4个，而我的数据只有2个输出类，而虹膜数据只有3个。然而，当我试图拟合神经网络时，会出现一个不相容的形状错误。
import keras
from keras.models import Sequential
from keras.layers import Dense
batchSize = 10
epochs = 50
model = Sequential()
model.add(Dense(26, input_dim=13, activation='
浏览 6提问于2020-06-25得票数 1
回答已采纳
1回答
在著名的虹膜数据集中，我尝试了不同的ML模型，如线性回归模型、SVM模型、决策树模型和随机森林模型。我想用卷积网络。我在quora的一篇文章中看到了这个，发现它很有趣。这只是出于好奇，但我如何实现这一点呢？
帖子链接：
浏览 3提问于2022-09-29得票数 -1
回答已采纳
2回答
我有一个连续评分从-100到+100的文本。我试图把它们分为积极的或消极的。
如何执行二项式日志回归以获得测试数据为-100或+100的概率？
我得到的最接近的是SGDClassifier(惩罚=‘l2’，alpha=1e-05，n_iter=10)，但是当我使用二项式日志回归来预测-100和+100的概率时，这并没有提供与相同的结果。所以我猜这不是正确的功能？
浏览 5提问于2014-08-15得票数 3
回答已采纳
我在ggplot2中遇到了一个与管道操作员有关的问题。我的数据集是“虹膜”，我的代码是：
iris %>%
mutate(petalPlus = as.factor(ifelse(Petal.Length > 5.5, 1, 0))) %>%
ggplot(aes(x = Petal.Length, y = Petal.Width, col = Species, shape =
petalPlus)) +
geom_point() +
theme_bw() +
geom_smooth(method = "lm")
问题是，我得到的是4条线性回归线(对于每
浏览 0提问于2018-05-23得票数 1
回答已采纳
5回答
大数据集上的Logistic回归
、、、、
我需要在一个巨大的数据集(许多GB的数据)上运行逻辑回归。我目前使用的是Julia的GLM包。虽然我的回归在数据的子集上工作，但当我尝试在整个数据集上运行此操作时，我的内存将耗尽。
有没有一种方法可以在巨大的非稀疏数据集上计算逻辑回归，而不使用令人望而却步的内存量？我想过将数据分成块，计算每个块的回归，然后以某种方式聚合它们，但我不确定这是否会给出有效的结果。
浏览 0提问于2015-06-22得票数 3
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
