将数据集划分为训练和测试后，将标签转换为指标矩阵

、、、

将Y转换为指标矩阵效果很好：X, Y = readFile(file)T = np.zeros((N, K)) T[i, Y[i]] = 1 X, Y = shuffle(X, Y) Ntrain = int(

浏览 9提问于2018-07-11得票数 0

回答已采纳

1回答

如何使用训练集评估NMF？

、、、

测试非负矩阵分解预测的正确方法是什么？假设数据集是一个包含用户和观看过的电影(没有分级)的矩阵。首先，我将矩阵分为训练集和测试集(40%测试集)。然后我用NMF分解训练矩阵。然后我使用测试矩阵，删除所有电影条目的一半，看看真正的测试

浏览 1提问于2012-09-02得票数 0

1回答

Azure AutoML似乎添加了额外的输入？

、、

在我的数据集中，我有4列浮点数和1列包含人名的列。我的目标是能够根据这4个浮点数的输入来检测这个人。 ? 我已经成功地基于这些信息训练了一些模型。数据转换图表如下所示，这是我所期望的： ? 因此，它忽略了一列(我假设是"person“列)，并使用剩下的4列作为RandomForrest分类器的输入。到目前为止一切都很好。这个变量似乎对输出数据有很大影响 ?

浏览 19提问于2021-10-15得票数 0

3回答

当目标标签依赖于多个输入行时，如何应用监督机器学习？

、、、、

这个问题是一个多标签分类问题。现在，我知道如何使用带有多个属性的单行进行训练和分类。例如，如果数据集看起来像附加文件中的第一个表。在这里，每一行都与一个标签相关联。因此，我可以训练和测试后，将数据集分为培训和测试集。但是，当分类标签/目标标签

浏览 0提问于2020-02-02得票数 2

1回答

is分区和交叉between的区别是什么？

、

training/testing setscrossvalind用于执行交叉验证，通过返回索引，将整个特性集X随机分成训练和测试数据。利用这些指标，我们可以分别生成X(trainIdx,:)和X(testIdx,:)的训练数据和测试数据<

浏览 1提问于2018-06-06得票数 1

回答已采纳

3回答

是否有必要将数据分成三个部分:训练、评估和测试？

、、、、

描述了测试、训练和验证集的区别。在大多数关于训练神经网络的文档中，我发现这三个集合是使用的，但是它们通常是预先定义的。我有一个相对较小的数据集(总共906张3D图像，分布是平衡的)。在我的模型中，我使用sklearn.model_selection.train_test_split函数来拆分火车和测试集中的数据，并使用X_test和y_test作为验证数据。batch_size=

浏览 4提问于2020-01-09得票数 1

回答已采纳

1回答

R中文本的多类分类

、、、、

有6个标签，但是在6个类别中，只有3个是分类的，其余的不是分类的。如果有人能告诉我出了什么问题，我会非常感激的。数据准备停止和转换为更低的情况。转换计数频率矩阵到二进制实例矩阵，该矩阵将文档

浏览 2提问于2018-01-03得票数 2

1回答

数据分区中的类标签

、、

假设将数据划分为训练/验证/测试集，以便进一步应用某种分类算法，而训练集并不包含完整数据集中存在的所有类标签--比如一些标签为"x“的记录只出现在验证集中，而不是在培训中。这是有效的分区吗？以上结果可能会导致混淆矩阵不再是正方形，而且在算法中我们可能会评估一个错误，这会受到训练集中看不见的标签的影响。第二个问题是:

浏览 2提问于2013-12-07得票数 2

回答已采纳

1回答

分类器与精度

、、、、

我想问你如何使用分类器和确定模型的准确性。我有我的数据集，我已经清理了文本(删除断点，标点符号，删除空行，.)。然后我把它分成火车和测试。由于我想确定一个电子邮件是否是垃圾邮件，我已经使用了常见的分类器，即朴素贝叶斯，支持向量机和逻辑回归。在这里，我只是包括我的火车和测试数据集:没有其他！我正在使用Python运行此分析。

浏览 0提问于2020-08-14得票数 0

回答已采纳

1回答

机器学习-将数据分成测试组和训练组

、

如何将给定的数据集划分为训练集和测试集以及它们的正确标签。train_test_split 其中df是原始的dataset....for例如:字符串列表问题是它没有把目标/标签和数据集一起带走所以我们无法追踪哪个标签属于哪个数据点

浏览 5提问于2015-09-24得票数 3

回答已采纳

1回答

创建相似矩阵

、、、

我有一个训练集和一个向量测试集。所有的向量都有标记。我用余弦距离来计算向量中元素之间的相似性。在图中，我们可以看到在测试集的6个向量和训练集的18个向量的子集中应用余弦距离相似性的结果。现在，我想创建标签的相似性矩阵。因此，在这种情况下，我需要一个6x6维的矩阵</e

浏览 0提问于2017-09-15得票数 1

回答已采纳

2回答

如何在Python的SciKitLearn模块中创建输入字符串矩阵？

、、、、

现在，我知道在分类中有以下步骤现在，我想跳过步骤3(我已经这样做了)，从用户那里获取输入，并根据经过训练的变量测试它。现在我不知道在从控制台输入后下一步是什么，我是否也需要为这个弦建立弓矩阵？

浏览 7提问于2015-11-14得票数 1

回答已采纳

2回答

在二进制分类中翻转标签会给出不同的模型和结果。

、、、、

我有一个不平衡的数据集，我想训练一个二进制分类器来对数据集建模。1-我做了一个随机的分裂，以获得火车/测试集。3-我训练了模型，然后在test集上评估了模型的性能(这是看不见的，而且仍然不平衡)。我得到了相当可以接受的结果，包括precision，recall，f1评分和AUC。后来，我想试一试。因此，我翻转了训练集<

浏览 0提问于2022-11-03得票数 4

回答已采纳

2回答

CNN模型的交叉验证技术

、、、

和往常一样，我用批次和时代一起训练我的模型。当它完成训练和验证时，最后我使用一个测试集来衡量模型的性能并生成混淆矩阵。现在我想用交叉验证来训练我的模型。2-如果我使用交叉验证，如何生成混淆矩阵？我是否可以将数据集拆分为训练/测试，然后在列车/验证集上进行交叉验证(即，除了通

浏览 0提问于2019-03-22得票数 10

回答已采纳

1回答

产品按描述分类

我的测试文件和培训文件到底是什么？例如：培训文件是否应该是产品描述的条目，以及分配给每个产品的手动输入的代码？而测试文件只是产品描述？

浏览 0提问于2020-07-22得票数 0

回答已采纳

1回答

在分类降维时，我是否使用训练集中的均值向量来对测试集进行中心化？

、、、、

请告诉我这是问这个问题的合适地点(或者我的标签是否错了)，或者我是否需要用不同的方式写这个。在分类降维时，我是否使用训练集中的均值向量来对测试集进行中心化？然后，在对测试集的特征向量进行分类之前，在降维的中心部分，我是使用训练集的相同均值向量，还是取测试集的均值向量并减去测试集，还是取训练和测试集合并的均值向量，从测试

浏览 0提问于2020-03-23得票数 1

回答已采纳

2回答

训练精度很高，验证精度很高，但测试集的精度很低。

、、、、

我已经将数据集(大约28K图像)划分为75%的训练集和25%的测试集。然后，我随机抽取了15%的培训集和15%的测试集来创建验证集。目标是将图像分为两类。精确的图像样本不能共享。但它和附件中的那个相似。我使用这个模型:带有imagenet权重的VGG19，最后两层，可训练的，

浏览 3提问于2019-01-16得票数 2

回答已采纳

1回答

对于数据不平衡的分类器，要使用哪一种度量？

、、

为了处理这个问题，我用了过量的抽样和替换.(正如这里所建议的： )。然后将数据集(过采样集)划分为训练集和测试集，并对朴素贝叶斯算法进行了训练。当我想测试的时候，用精度测量可以吗？混淆矩阵是什么意思，在过采样数据集上使用混淆矩阵是什么意思？这是一个很好的练习吗？

浏览 3提问于2016-10-15得票数 1

0回答

当新数据集没有覆盖训练集的所有特征时，如何预测新数据集的标签？

、

我有一个短信数据集，我想知道一些东西是垃圾邮件或不是。我使用quanteda将文本内容转换为单词矩阵。我还删除了停用词，将单词转换为词干，并使用 rpart.cv.1 <- train(Label ~ ., data = train_tokens_df, method = "rpart", trControl现在我想预测一下testdata的标签。我对训练数据做了所有的预处理步骤。问题是，我

浏览 8提问于2017-12-13得票数 0

1回答

在数据分区和特征选择之间，需要执行第一步

、、、

我需要在我的数据集上执行一个特征选择。我的数据集是一个不平衡的数据集，其中感兴趣的类是少数类。因此，查全率和F2测度是评价预测性能的两个重要指标。我使用了两种方法来选择特性。首先将数据划分为训练集和测试集，然后应用Info gain属性选择方法选择前30个属性。我在训练集中只保留了30个属性，并丢弃了所有其他属

浏览 0提问于2022-10-21得票数 0

点击加载更多

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

将数据集划分为训练和测试后，将标签转换为指标矩阵

相关·内容