2回答
我正在使用R中的C5.0在心脏病数据集上做一些分类任务，在大多数情况下，数据将被分成80%用于训练，20%用于测试，我想使用k倍交叉验证(k=10)，但我对这一点感到困惑，正如我们所知道的那样，通过使用10倍交叉验证，我们将整个数据划分为9个训练子集和一个子集进行测试。是否可以将数据划分为<e
浏览 0提问于2017-11-20得票数 3
我目前有一个perl脚本，它获取完整的文件列表，并将该列表平均划分为训练集和测试集。我现在想做k折交叉验证，为此我需要调整perl脚本。 print TRAINLIST "$l\n"; else print TESTLI
浏览 31提问于2017-06-25得票数 0
回答已采纳
我有一个数据集，它已经被分成10倍，每个折叠都有训练、验证和测试集。我无法理解如何在这个数据集上应用10倍交叉验证。通常，如果我们想在数据集上应用k折叠交叉验证，步骤如下：在我的例子中，数据集已经被划分为10倍，除了训练集之外，每个折叠都包含验证和测试集</em
浏览 0提问于2019-03-27得票数 1
2回答
( Confusion1)如果k=10，那么这是否意味着90%用于培训，10%用于测试？所以我们总是有k%来测试吗？在下面的代码中，我使用了10倍的交叉验证来训练支持向量机( Confusion2)。一般来说，数据集将分为(a)训练集、meas(trainIdx,:) (b)测试集、meas(testIdx,:) c)验证<em
浏览 0提问于2018-06-25得票数 2
回答已采纳
在做GridSearchCV时，通过grid.score(.)获得的分数之间有什么区别？和grid.best_score_best_score_1 = scoresbest_score_1和best_score_2各有两种不同的输出
浏览 3提问于2021-09-03得票数 0
回答已采纳
1回答
使用函数train_test_split()将数据集按75:25的比例划分为训练集和测试集。该模型是在数据集x_train和y_train上进行训练的(高斯朴素贝叶斯、随机森林、k近邻等分类器模型)。
我们现在可以使用完整的数据集，即x和y来测试模型吗？还是
浏览 7提问于2020-02-27得票数 0
回答已采纳
2回答
我有一个不平衡的分类问题。然后，我使用R包ROSE同时对Dataset A中的多数类进行了欠采样，并对少数类进行了过采样。这产生了一个平衡集(Dataset C)，其行数与Dataset A一样多。
我已经在数据集C和计算训练AUC上训练了我的模型。
浏览 0提问于2018-04-04得票数 1
2回答
为了我的研究，我用CNN建立了一个三维图像分类模型。我只有5000张图像，训练用4500张图像，测试集用500张图像。我尝试了不同的结构和参数的训练和F1评分和训练集的准确性高达0.9。幸运的是，我没有花很多时间来寻找这些设置的高精度。
将该模型应用于测试集，得到了较满意的预
浏览 0提问于2018-03-02得票数 1
回答已采纳
tbl3
“作为最佳实践，我们将标记的数据集分成一个训练集、一个开发集和一个持久测试集。开发和测试集各有100个观测值，为训练集留下600个观测值。(.)超参数优化是通过网格搜索进行的，在训练集上使用交叉验证来评估每个可能的超参数集的模型性
浏览 0提问于2022-10-10得票数 3
2回答
我被分配了一个任务，需要创建一个决策树分类器，并使用训练集和10倍交叉验证来确定准确率。我查看了cross_val_predict的文档，因为我认为这是我需要的模块。
我遇到麻烦的是数据集的分割。据我所知，在通常情况下，train_test_split()方法用于将数据集拆分为2-- train和test。根据我的理解，对于K折
浏览 6提问于2019-11-12得票数 0
回答已采纳
似乎每次迭代对象时，KFold都会生成相同的值，而Shuffle Split每次都会生成不同的索引。这是正确的吗？如果是这样，那么一个比另一个有什么用处呢？
浏览 1提问于2016-01-12得票数 42
回答已采纳
1回答
我用python编写了自己的分类器，我使用文本语料库来测试它，使用F1度量，但现在我想在其他数据挖掘任务中测试它，所以我有我的分类器输出文件到给定的语料库，我想使用Weka不同的度量来测量质量，我如何才能通过Weka的输出文件并获得质量？
浏览 3提问于2015-05-13得票数 0
2回答
训练神经网络时的标准设置似乎是将数据分割成训练集和测试集，并一直运行到测试集上的分数停止提高为止。现在，问题是:测试分数中存在一定数量的噪声，因此单个最佳分数可能不符合网络状态，而网络状态最有可能是新数据上的最佳状态。我见过一些论文指出训练中的一个特定时代或迭代是“交叉验证最好的”，但我不知道
浏览 0提问于2016-04-09得票数 6
回答已采纳
6回答
从我所读到的情况来看，我一直认为交叉验证是这样执行的：
在k次交叉验证中，将原始样本随机分成k个子样本.在k个子样本中，保留一个子样本作为模型测试的验证数据，其余的k−1子样本作为训练数据。然后交叉验证过程被重复k次(褶皱)，每个k个子样本精确地使用一次作为验证数据。从褶皱中得到的k值可以被平均(或以其他方式组合)来产生一个单一
浏览 8提问于2012-05-03得票数 29
回答已采纳
对于一个项目，我想执行分层的5倍交叉验证，其中每一次的数据被分割成一个测试集(20%)，验证集(20%)和训练集(60%)。我希望测试集和验证集是不重叠的(五个折叠中的每一个)。在维基百科维基百科上或多或少是这样描述的：
单个k折叠交叉验证与验证和测试<em
浏览 0提问于2020-12-19得票数 4
Before任何调整，我的logistic回归分类器对测试集的准确率为74.6%。我所拟合的GridSearchCV模型的CV精度为76.5%，表明该模型将比未调优模型具有更高的精度。这是让我感到困惑的部分。这是否意味着我应该继续使用通过GridSearchCV找到的“最佳”模型，还是应该使用
浏览 0提问于2023-02-21得票数 0
1回答
我一直试图深入了解重采样方法的更多细节，并在1000行的小数据集中实现它们。数据被分成800个训练集和200个验证集。我使用K-折叠交叉验证和重复K-交叉验证来使用训练集训练KNN。根据我的理解，我对结果作了一些解释--但是，我对它们有一定的怀疑(见下面的问题)：Resampling: Cross-Validated (10
浏览 0提问于2016-07-13得票数 0
我有大量原始文本的观点语料库(2500)。我想使用scikit-learn库将它们分成测试/训练集。用scikit-learn解决这个问题最好的方法是什么？谁能给我提供一个在测试/训练集中拆分原始文本的例子(我可能会使用tf-idf表示)。
浏览 0提问于2014-09-12得票数 9
回答已采纳
我在这里和互联网上读到过几个答案，交叉验证有助于表明模型是否会泛化得很好，以及是否过于合适。我把我的数据分成70%的训练和30%的测试。
当我运行10倍交叉验证，我可以得到10个准确性，我可以采取平均/平均。我该称这为v
浏览 0提问于2019-03-13得票数 13
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
云直播
实时音视频活动推荐
腾讯云开发者
