我正在为大约100个连续的特征和一个连续的标签开发一个SVR。，我的下一步是拆分成训练和测试，然后开发一个模型(SVR)：model = SVR()
...and，然后我将模型与数据进行拟合。但我注意到，其他人并不适合将StandardScaler()应用于整个<e
浏览 16提问于2021-03-05得票数 0
回答已采纳
目前，我正在尝试使用fancyimpute对一些数据进行单独的训练/测试。但是，我遇到了这样的问题:无法对列车数据执行fit_transform，然后只对测试集使用转换，因为看起来：
转换未实现！可以先把这两组归责后再分开吗？或者我的方法甚至是正确的，只在火车上调用fit，然后再用它来计算测试
浏览 0提问于2019-04-11得票数 0
在阅读了这篇文章之后，我有一个关于PCA的问题。但是，很少有需要理解的重要问题: 1)不应将训练集和测试集相结合，同时获得整个数据的PCA分量。因为，这将违反泛化的整个假设，因为测试数据会被“泄漏”到培训集中。换句话说，测试数据<e
浏览 0提问于2017-05-28得票数 1
将数据集标准化的公式如下：我想知道我是否应该在整个数据集(列车和测试的连接)或仅在列车数据集上找到平均值和std。我在某个地方读到了火车数据集的平均值和</e
浏览 5提问于2021-11-26得票数 0
回答已采纳
2回答
我想知道为什么我们要分别在火车和测试集上使用缩放。我理解根据列车上的fit_transform()计算的对测试数据的转换(μ和σ)。但是，为什么我们可以从所有给定的数据(在拆分之前)计算μ和σ，然后将它们应用于未来的数据。
我们这么做是因为我们不知道未来<e
浏览 0提问于2018-08-08得票数 1
2回答
用回归数据模型预测价格
、、、、
建立了基于多个自变量预测房价的回归数据模型。我得到了回归方程和系数。在拆分数据集之前，我使用了StandardScaler()来缩放变量。现在我想用我的回归模型来预测房价，当给出自变量的新值时，我能直接用自变量的值来计算价格吗？或者在包含自变量的值之前，我应该通过StandardSca
浏览 1提问于2020-02-24得票数 0
回答已采纳
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。，StandardScaler()中的这种变换是基于所有训练样本的均值和标准差。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StandardScaler()？因为我不能计算一个样本的平均值和标准差。根据我的理解，如果我想在新数据</em
浏览 4提问于2021-06-23得票数 0
回答已采纳
我正试图预测分类问题。为此，我使用了游侠、Xgboost和朴素的bayes。我的反应课不平衡。92:8比率。我的积极反应只占全部数据的8%。我可以做这样的事情吗?：-将数据<
浏览 0提问于2020-01-24得票数 2
3回答
在开发神经网络时，通常会将训练数据划分为列车、测试和保留数据集(许多人将这些数据分别称为列车、验证和测试)。同样的东西，不同的名字)。许多人建议根据测试数据集中的性能选择超参数。我的问题是:为什么？为什么不在列车数据集中最大限度地提高超参数的性能，当我们通过测试数据<
浏览 1提问于2016-07-05得票数 5
回答已采纳
我有一个高度不平衡的二进制(是/否)分类数据集。数据集当前有appx 0.008% 'yes‘。我遇到了两种方法来处理这种不平衡。undersample)]x_scaled_s, y_s = pipeline.fit_resample(X_scaled, y)
这导致数据<e
浏览 3提问于2020-05-14得票数 0
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缩放是
浏览 0提问于2020-08-27得票数 0
我正在尝试使用一个包含数千个样本和大约41个特征的数据集(KDD-cup-99)用于我的一个机器学习项目。这本质上是使用TCP转储收集的特定网络的数据包捕获。使用这些数据的人可以理解这些。这三个是: protocol_type、service和flag。
我从训练样本和测试样本中分离出这三个特征数组，分别对训练
浏览 5提问于2018-07-31得票数 0
回答已采纳
2回答
13:28.848Z 214530572 6073 1因此，我对数据进行预处理columns_list])
clf.fit(train_data.iloc[:, :-2],train_data.iloc[:,-1])
然后，我想用模型进行预测，比如clf.predict()，但是原点测试集应该是
浏览 2提问于2017-08-24得票数 0
回答已采纳
我想知道sklearn.model_selection learning_curve是否可以使用或确实使用sklearn.preprocessing StandardScaler。我已经看过了实现，但我的技术水平还不够高，不能靠我自己得出结论。所有关于使用learning_curve的教程都会让你将整个数据集传递给learning_curve，learning_curve会将数据分成训练集<
浏览 0提问于2018-09-13得票数 2
1回答
我正在尝试在Weka中执行属性选择。我想使用InfoGainAttributeEval作为一个评估器，因为我读到它等同于互信息，排名作为一种搜索方法。我应该同时对训练集和测试集执行属性选择吗？
浏览 0提问于2012-09-16得票数 5
回答已采纳
1回答
我正在为我的专栏做目标编码，使用嵌套交叉验证方法(以避免泄漏)，正如前面提到的、和。
如果我必须包括我的目标编码(通过自定义转换器)，在sklearn管道，我需要不同的转换功能与火车集和测试集。这是因为，对于列车折叠，编码是使用列车数据的进一步k折叠分割来计算的。而对于测试褶
浏览 13提问于2022-08-21得票数 1
回答已采纳
我理解，缩放意味着以平均值(mean=0)为中心，并使单位方差(variance=1)。但是，在科学学习中，preprocessing.scale(x)和preprocessing.StandardScalar()有什么区别？
浏览 7提问于2017-09-16得票数 21
回答已采纳
1回答
我是新的科学工具包，有两个轻微的问题，结合一个数据规模和网格搜索。有效定标器
考虑到交叉验证，我希望每次我们在K-1折叠上训练模型时，数据定标器(例如，使用preprocessing.StandardScaler() )只适合于K-1折叠，然后应用于其余的折叠我的印象是，下面的代码将适合于整个数据集上的定标器，因此，我想
浏览 1提问于2015-12-03得票数 9
回答已采纳
1回答
我是机器学习的新手，目前正在从事一个数据不平衡的项目。我想用随机抽样来平衡数据。我很困惑是应该在测试列车分裂后进行欠采样，还是应该先进行欠采样，然后再进行列车测试分割？我的方法是: 1.我用火车测试拆分得到: X_train，y_train用于培训，X_test和y_test用于测试。2.将X_train和y_
浏览 1提问于2020-05-22得票数 5
4回答
我有一个做二进制分类的模型。
我的数据集是高度不平衡的，所以我认为在训练模型之前，我应该用不适当的抽样来平衡它。因此，平衡数据集，然后随机分割它。这条路对吗？还是应该平衡测试和训练数据集？我只试着平衡整个数据集，我获得了80%的训练精度，但是在测试<
浏览 0提问于2018-06-08得票数 20
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
