1回答
我已经训练了一个模型，并希望计算几个重要的指标，如accuracy、precision、recall和f1 score。我遵循的流程是： from pyspark.ml.classification import LogisticRegression
lrModel = lr.fit(train)
lrPredictions = lrModel.tran
浏览 24提问于2020-09-27得票数 0
回答已采纳
1回答
我想知道最好的方法是使用ApacheSpark2.4.5和PySpark (Python)评估一个合适的二进制分类模型。我想考虑不同的指标，如准确性，精确性，召回，auc和f1评分。我必须使用两个不同的评估器来计算五个指标。同样，这两个指标都不能单独计算上面提到的所有指标(至少在python中不是这样)。因此，
浏览 2提问于2020-03-20得票数 21
基于pyspark的教程。我正在尝试创建一个使用pyspark和RMSE作为评估指标的推荐系统。我想记录每个训练周期的RMSE。但是，在创建ALS对象时输入了纪元编号，似乎只有在训练完成后才能打印RMSE值。请问如何使用pyspark中的ALS打印每个时期的RMSE？
浏览 4提问于2020-04-19得票数 0
我正在与Spark合作，想知道如何获得创建的K-means聚类模型的精确值。有没有办法计算从“Set Sum of Squared Error”值创建的模型的精确度？提前感谢:)
浏览 0提问于2018-05-17得票数 1
我想知道在整个培训过程中，培训效果是如何变化的。有没有办法通过Vertex AI automl服务访问它？
浏览 13提问于2021-11-30得票数 0
1回答
我正在使用simpletransformer库的bert分类器(bert-base-uncased)在大量数据上训练文本分类模型。Simpletransformer默认情况下会返回mcc和eval_loss，用于在训练和测试(评估)阶段进行评估。我能够为测试阶段设置额外的指标，比如acc、f1等(通过向eval_model函数发送额外的指标)，但我不知道如何告诉simpletransformer<e
浏览 23提问于2021-11-16得票数 1
1回答
我们获得评估指标的统计数据(如精确度、召回率、准确率等)。从混淆矩阵中。在二分类问题中，我有评估指标的结果:精确度、召回率、F1度量、准确性、特异性和平衡准确性。对于TN，FP，FN，TP的值有没有反向推导？
浏览 18提问于2021-05-27得票数 0
我想了解一下talos中的超参数搜索。具体地说，就是模型的评估。examples/Hyperparameter%20Optimization%20with%20Keras%20for%20the%20Iris%20Prediction.ipynb#seven 不，我的问题是:在评估(7)中，我如何设置特定的评估指标？例如，分类问题的F1分数。他们来自凯拉
浏览 13提问于2019-01-23得票数 0
回答已采纳
1回答
我目前正在处理推荐系统中的一个项目嵌入任务，我想用旧的嵌入算法来评估新嵌入算法的性能。我读过一些关于图嵌入的论文，几乎每篇论文都提到了一种评估嵌入的常规方法，即链接预测。但这些论文都没有准确地描述你是如何做到这一点的。所以我的问题是如何使用链接预测来评估嵌入？我是不是应该简单地为训练集中的真实边缘生成假边缘，将每条边上两个节点的嵌入连接起来，然后构建一个通用<em
浏览 0提问于2019-09-23得票数 0
我工作在复制移动伪造定位，我需要测量的F分数，我有输出地图和地面真相图像，但结果不符合现有的论文结果。在其中一篇论文中，作者说，“在像素级，我们从F度量计算中删除了拷贝移动伪造区域和背景之间边界上的所有像素”。我不知道这意味着什么，怎么用Matlab来做呢？有人能帮我吗？
浏览 1提问于2022-11-22得票数 -1
简而言之，我有几个自定义的评估指标，在评估过程中必须批量运行的大量评估数据，我希望获得所有评估批次的这些指标的总和。eval_res = model.evaluate(input_fn=lambda:eval_input_fn(params['eval_data'], params['batch_size']))
在本例<e
浏览 30提问于2017-02-07得票数 0
我正在寻找一个使用Spark-Scala的多类分类示例，但我还找不到。具体地说，我想训练一个分类模型，并查看训练和测试数据上的所有相关指标。Spark ML (基于DataFrame的API)是否支持多类问题的混淆矩阵？
我正在寻找Spark v2.2及以上的例子。一个端到端的例子将会非常有用。我在这里找不到混淆矩阵评估-
浏览 0提问于2018-12-27得票数 2
1回答
1.7:1.我从answer中了解到，使用精确度、召回率、FScore，甚至根据成本不同地对真-正、假正、真-负和假阴性进行加权，来评估不同的模型来处理指定的分类任务。由于从keras中删除了Precision, Recall, and FScore，因此我找到了一些方法来在训练期间跟踪这些指标，例如github repo keras-metrics。precision = true_positives / (predicted_positives + K.e
浏览 10提问于2019-08-23得票数 0
回答已采纳
1回答
计算ROC曲线验证分割算法的质量
、、、、
2)现在我有了一个分割算法，我将其应用于之前的数据集。结果取决于几个算法参数(假设我进行颜色分割，因此结果取决于所使用的不同颜色空间阈值)。分割的结果是一个二进制掩码。3)因此，对于这100张图像中的每一张，我都有一个基本事实和一个预测。我可以很容易地计算每个图像的混淆矩阵或所有图像的最终混淆矩阵。
我的问题是:如何计算ROC曲线？因此，对于0,1中的每个变化，我需要重新运行所有图
浏览 1提问于2015-02-05得票数 0
2回答
这两者是完全不相关的(如果我们不考虑这样的分类，那么只有logloss和mlogloss可以作为eval_metric使用)。这是正确的吗？如果我是，那么对于分类问题，如何使用rmse作为性能度量？
以objective的两个选项为例，reg:logistic和binary:logistic。对于0/1的分类，通常认为二元逻辑损失或交叉熵是损失函数，对吗？那么这两个选项中的哪一个是这个损失函数，另外一个
浏览 1提问于2018-11-29得票数 16
2回答
假设我有一个训练数据集，它有两个数字特性A和B和n个样本，它们都是以二进制方式标记的(二进制分类问题)。现在，我想对每个特性分别训练一个分类器，看看哪一个最有效。为了进行比较，我使用了从混淆矩阵中派生的标准评估指标。假设我放弃了特性NaN B的所有m值。然后用n个样本在特征A上训练分类器，而在只有n个样本的特征B上训练相同的分类器。当然，两者都会产生标准的
浏览 2提问于2018-07-04得票数 2
在Apache Spark中创建分类模型时，训练集和测试集看起来应该都存在吗？如果我们有未见过的实例，这些实例在创建模型时并不存在，那该怎么办？当我们收到一个看不见的实例时，我们需要重新构建模型吗？这不是使分类在真实场景中不切实际吗？
浏览 0提问于2015-07-08得票数 2
选择auc、错误或日志丢失作为eval_metric对XGBoost的性能有何影响？假设数据不平衡。它如何影响准确性、召回和精确性？
浏览 0提问于2018-08-09得票数 8
回答已采纳
categoricalFeaturesInfo += (1 -> 7)
java.lang.IllegalArgumentException:需求失败: DecisionTree要求maxBins (= 3)至少与每个分类特性中的值数目一样大，但是分类功能0有31个值。考虑删除具有大量值的此功能和其他分类功能，或添加更多的培训示例。31，我尝试过maxBins = 32 (根据这些帖子中的答案)。就像试用n错误一样，我尝试了<
浏览 1提问于2017-11-20得票数 0
2回答
在我的数据集上，我从模型动物园训练了一个深入的学习模型。我在用谷歌Colab。训练结束后，我想对我的模型进行评估。我正在使用coco检测指标。我使用下面的脚本来评估我的模型， --checkpoint_dir = path/to/checkpoint directory
运行上述
浏览 8提问于2021-05-06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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
