这是我的数据y = y.reshape((-1,1))y_test = y_test.reshapetest_size=0.1, 我可以在.fit中安装X
浏览 12提问于2020-02-19得票数 1
回答已采纳
3回答
])X_test[:, :, 2] = scaler.transform(X_test[:, :, 2])
X_train[:, :, 3] = scaler.fit_transform(X_train</
浏览 0提问于2019-09-13得票数 0
我打算学习使用SVD的PCA，因此实现了它，并试图在MNIST数据上使用它。P_reduce = self.V[:,0:r] return X_proj
现在，随着PCA的实现，我尝试将其应用于MNIST数据，以查看使用PCA和不使用PCA进行分类时使用softmax的性能。print ("Total time taken: %f s
浏览 1提问于2017-11-10得票数 1
回答已采纳
2回答
当我们缩放数据时，我需要一些澄清。因此，为了防止数据泄漏，我们将列车和测试设备分开，然后分别对它们进行缩放，对吗？因此，在对火车和测试数据集中的数据进行缩放或标记编码时，
由于列车上的fit_transform和测试集的缩放特性不同，如何保证测试集上的<em
浏览 0提问于2020-08-27得票数 0
1回答
交叉验证和测试集的缩放和数据泄漏
、、、、
我有更多的最佳实践问题。
我正在缩放我的数据，我知道我应该在我的训练集上进行fit_transform，并在我的测试集上转换，因为潜在的数据泄漏。现在，如果我想使用两个(5倍)交叉验证在我的训练集，但我使用一个坚持测试集无
浏览 4提问于2022-06-29得票数 1
1回答
我有个问题，通常情况下，当我们做一个训练集和一个最终测试集时，
利用训练数据计算预处理的均值和标准差，并将其用于标准化(转换)测试数据。那么，当我们制作一个训练数据，一个交叉验证数据和一个最终测试数据时，我们是不是应该单独计算使用训练数据进行预处理的均值和s
浏览 0提问于2018-12-08得票数 0
回答已采纳
我使用MinMaxScalar函数在sklearn.preprocessing中规范化了我的一些变量(数组)的属性，使之在模型(线性回归)中使用，在模型创建和训练之后，我用x_test(splitedusind train_test_split)测试了我的模型，并将结果存储在一些variable(say predicted)中。为了评估目的，我想用原始数据集评估我
浏览 0提问于2021-04-13得票数 0
我正在使用scikit-learn来训练分类器。我还希望进行交叉验证，但在交叉验证之后，我希望对整个数据集进行训练。我发现cross_validation.cross_val_score()只返回分数。
编辑:我想用我所有的数据来训练具有最佳交叉验证分数的分类器。
浏览 1提问于2014-03-24得票数 2
对于GridSearchCV的实际工作方式，我有点困惑，所以让我们设想一个任意的回归问题，在这里我想预测一套房子的价格：
假设我们使用了一个简单的预处理器，用于训练集上的目标编码:目标编码器应该在X_train上调用fit_transform()，在X_test上调用transform()以防止数据泄漏。gscv.fit(X_train, ytrain)和gscv.predict(
浏览 3提问于2021-07-31得票数 0
回答已采纳
我有如下的训练和测试数据集： x_train： inputs[4,6,12][7,8,14]... inputs列是将VectorAssembler当我尝试使用StandardScaler转换测试数据时，如下所示，我得到一个错误，指出它没有transform方法： from pyspark.ml.feature impor
浏览 52提问于2021-01-02得票数 0
回答已采纳
2回答
对于机器学习分类，我使用10折交叉验证：我拆分训练/测试数据：对于一个分类器，得到10倍精度平均值：
cross_val_score(classifier, X_train
浏览 115提问于2020-03-05得票数 1
当缩放数据时，为什么训练数据集使用“fit”和“transform”，而测试数据集只使用“transform”？sample[n] = map(float, line.strip().split(','))scaling = StandardScaler()
X
浏览 152提问于2017-04-28得票数 33
回答已采纳
我已经构建了一个神经网络，它可以很好地工作在一个包含两个分类变量和一个自变量的30万行的小数据集中，但是当我将它增加到650万行时，它遇到了内存错误。因此，我决定修改代码，并且越来越接近，但是现在我遇到了一个与fit错误有关的问题。对于1和0的因变量，我有两个分类变量和一列(可疑或不可疑)。首先，数据集如下所示： ParentPr
浏览 0提问于2018-08-24得票数 2
回答已采纳
1回答
我正在使用MinMaxScaler规范化方法，但是我已经看到了可以这样做的各种方法，我想知道在以下方面是否有任何实际的区别：代码12.将数据分解为列车和测试后的
浏览 0提问于2020-10-05得票数 1
回答已采纳
1回答
我正在做自动编码器模型，我已经保存了模型，在此之前，我使用最小最大定标器对数据进行缩放。，并在给出测试数据时将其保存为“h5”file.Now，在加载保存的模型之后，自然也应该对其进行缩放。因此，我给了X_test_scaled = scaler.fit_transform(X_test) (我有一种愚蠢的预感)，给出了一个结
浏览 1提问于2019-02-28得票数 4
回答已采纳
在训练期间，我将tf.contrib.data函数用于输入管道(没有占位符)。我的问题是，如何重用经过训练的模型，并在测试时输入新数据？这个问题类似于，除了我也不想在测试中使用占位符-我的测试数据集可能非常大，并且应该避免占位符的速度变慢。
有没有办法在测试时用新的管道替换输入管道？
浏览 1提问于2017-07-26得票数 2
当我阅读关于使用StandardScaler的文章时，大多数建议都是说在将数据分割成火车/测试之前，您应该使用StandardScaler，但是当我检查一些张贴在网上的代码(使用sklearn)时，有两个主要的用途from sklearn.preprocessing import StandardScalerX_fit = sc.fit(X)
X_std = <
浏览 0提问于2018-09-18得票数 48
回答已采纳
假设我有一个名为original_df的数据格式，它有20,000行。我将前18,000行拆分为我的训练集，最后2,000行作为我的测试集。在分割前使用sample函数，在训练集上运行分类器模型，得到了合理的预测结果:假阳性、假阴性、真阳性和真负数。然而，当我在训练<
浏览 9提问于2022-11-10得票数 1
2回答
我在训练SVM+HOG对象检测器时遇到了一个问题，这就是我所做的。(features)X_train, X_test, y_train, y_test = train_test_split因此，问题来了，如果我只想在一个新出现的样本上测试经过训练的支持向量机，我如何应用Standard
浏览 4提问于2021-06-23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
腾讯会议
云直播活动推荐
腾讯云开发者
