1回答
数据集中有24个不同的类。但问题是，班级的分布千差万别。我对stratify=df['label']使用了sklearn.model_selection.train_test_split，但仍然有一些类有5%的数据，而另一些类有3%的数据。我如何让他们选择一个在类中分布在4%左右的数据。我的test_df有7172行和785列，其中一列是label列，其余的78
浏览 25提问于2020-06-02得票数 0
回答已采纳
2回答
如果不是，为什么会这样何时确定验证集是测试集的良好代表？这两个结果之间的差异应该在一定范围内吗？类不平衡是否影响验证结果的</
浏览 0提问于2020-09-29得票数 0
回答已采纳
我想仔细检查一些我不确定的关于分类器学习的训练集的概念。当我们为我们的训练数据选择记录时，我们是为每个类选择相等数量的记录，总和为N，还是应该随机选择N个记录(与类无关)？直觉上，我认为是前者，但认为前一类概率是相等的，并且没有真正的帮助？
浏览 0提问于2011-07-05得票数 5
1回答
我有以下代码，它获取一组图像，每个训练集中大约50个图像，然后创建一个线性模型，并尝试对数据进行分类。我也有一个测试集，但它甚至不能准确地对训练数据进行分类。我加载图像的方式有什么错误吗？如果有帮助的话，我很乐意提供更多的代码或我的输出。svm_predict([1]*len(testing_set), testing_set, sunflower_model_linear, "-b 1")
当我运行这个程序并运行一些精度测量时，最后一个数据集的准确
浏览 4提问于2014-04-27得票数 0
在数据预处理中，使用分层洗牌确保原始数据集的分布反映在培训、测试和验证数据集中。
小型批处理梯度下降使用随机洗牌来确保小批中的随机性.我的疑问是-为什么我们应该在我们的数据集上执行分层洗牌，如果它要在训练期间以随机的方式被洗牌？
浏览 0提问于2020-08-08得票数 2
回答已采纳
当我对m类执行n折交叉验证时，在每一折中，训练集和测试集是否平衡？所谓平衡，我的意思是问，是否有(几乎)相同的样本集，从每个类别的火车和测试集。
浏览 8提问于2013-01-31得票数 0
1回答
我已经下载了一个包含10个类对象的数据集，用于对象检测。数据集不分为培训、验证和测试。然而，作者在论文中提到，将数据集划分为20%的训练，20%的验证，60%的测试和图像是随机选择的。按照作者所说的标准，我随机选择了20%的图像进行训练，20%的图像进行验证，60%的
浏览 5提问于2016-11-26得票数 0
回答已采纳
我正在进行一些模拟，我的样本大小是125。我测量了5倍的交叉验证误差，即每轮我的训练样本大小为100，测试样本大小为25。假设所有其他参数都是固定的，但"n_estimators"，即助推轮的数量。我有两个选择：
在这种情况下，我可以从cv results;further中选择最佳的n_estimator，将训练</e
浏览 1提问于2019-10-12得票数 0
回答已采纳
我知道大多数机器学习算法都是基于输入数据是IID(独立同分布)的假设。因此，我们通常不会执行统计测试来比较测试和训练数据的统计数据。训练和测试数据拆分后，是否需要验证I
浏览 0提问于2020-01-10得票数 1
1回答
虽然显然可以根据重要性对功能进行排序，许多机器学习书籍给出了如何做到这一点的随机森林示例，但不太清楚在哪些情况下应该这样做。添加更多的特性并不总是更好(如果没有时间限制的实际问题)。
浏览 0提问于2016-04-07得票数 5
回答已采纳
2回答
基于以前的帖子，我理解在使用不平衡数据集训练二进制分类模型时，需要确保CV过程中的验证折叠具有与原始数据集相同的不平衡分布。我的问题是关于最好的训练模式。另外，让我们假设我将提供一个随机的100 K样本进行测试(90K样本w/ pos类与10K样本w/ neg类)。现在我有两个选择<
浏览 0提问于2020-06-16得票数 1
1回答
我正在尝试在5000万个样本上训练一个自定义的NER模型。我正在使用20次迭代的进行建模。我想知道我是否应该使用交叉验证来获得更准确的样本准确性。如果是，那么交叉验证步骤应该在哪里进行？如果没有，那么我如何拆分/分发我的训练和测试数据，因为我正在使用注释和6个自定义实体，并且很难跟踪每个训练和测试数据中带注释的标签<e
浏览 3提问于2019-08-01得票数 1
1回答
在特征选择之前或之后采样
、、、
我对特征选择、采样和交叉验证的顺序感到困惑，我的数据集有468行和23000列，其中269个属于I类，199个属于II类，当拆分训练和测试时，训练.Due中的数据有215个I类和159个II类，以减少样本数量我不得不对训练数据应用或者我应该在这里应用采样，这会导致数据丢失，从而导致更小的样本。
浏览 133提问于2020-08-12得票数 1
我需要的是：
从他的想法和方法上，我简单地改变了我获得原始数据的方式： filepath_or_buffer='https://archive.ics.u
浏览 0提问于2019-05-02得票数 7
回答已采纳
1回答
这是否意味着模型对第一个折叠进行训练，而这个具有训练权重的模型被用于第二个折叠，依此类推？如果最后一个折叠不好，整个模型都不好怎么办？
浏览 22提问于2019-11-14得票数 0
回答已采纳
1回答
如何选择一个自动化系统用于评估经过培训的模型的验证集，以确保每一种新模型至少与以前的模型一样好，或者更好？
让我们说，在这种情况下，我们有一个回归问题，我们可以依赖于一个单一的性能指标，如RMSE。我正在开发一个程序，自动训练，测试，如果测试通过，每x个新的数据样本/时间部署一个新的深入学习模型。每一次训练都是在原始数据集(标记数据)和
浏览 0提问于2018-05-23得票数 3
如何在scikit-learn中生成用于交叉验证的随机折叠？假设我们有一个类的20个样本，另一个类的80个样本，我们需要生成N个训练集和测试集，每个训练集的大小为30，在每个训练集中，我们有50%的类1和50%的类2。
浏览 3提问于2013-12-21得票数 6
由于对训练集进行了预随机化，我使用sklearn.ensemble.RandomForestClassifier获得了令人惊讶的显着性能提升(交叉验证精度增益+10%)。这对我来说非常令人费解，因为(a) RandomForestClassifier假设无论如何都会对训练数据进行随机化；以及(b)为什么示例的顺序如此重要？
有什么好的建议吗？
浏览 1提问于2016-02-16得票数 0
1回答
分类猫与非猫的神经网络训练集
、、、、
是否有可能建立一个卷积神经网络(使用Keras，Tensorflow)，它可以为猫的图像提供1的输出，为其他一切提供0的输出？
这不意味着我们应该有无限数量的训练<
浏览 0提问于2020-07-09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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
