我在机器学习方面绝对是个菜鸟。我有一个数据集，其中的值如下：
state
hour
day of the week，
device platform，
user agent，
以及基于是否有点击的是或否。
这些数据主要是字符串值，可以从标题中推断出来。对于zip、设备平台id等数据，它们的数量也很多。
此外，与非点击记录的数量相比，点击记录的数量是非常小的数字。
那么，基于这些结果，我应该如何训练模型？另外，我应该实现什么算法-回归、分类或决策树？提前感谢！！
浏览 1提问于2014-06-13得票数 1
我正在为不平衡的数据集制作ROC曲线，但它们根本不像正常的ROC曲线。它们看起来更像step函数(见提供的图像)。从我能找到的所有资料来看，这应该表明我的机器学习算法是有效的，但是我仍然得到了很多错误的结果。如果我的算法没有效果，为什么我的ROC曲线会有这么好的形状呢？有没有更好的方法来衡量这个算法有多好？谢谢!
浏览 9提问于2022-06-14得票数 2
回答已采纳
假设你试图用机器学习来完成分类任务，比如说，看动物的照片，把马和斑马区分开来。这项任务似乎处于最先进的水平。
但是如果你把一堆贴着标签的照片扔到像神经网络或支持向量机这样的东西上，那么实际上斑马比马稀有得多，以至于系统最终学会了说‘永远是一匹马’，因为这实际上是最小化错误的方法。
这可能是最小的错误，但它也不是一个非常有用的结果。什么是建议的方式告诉系统‘我想最好的猜测哪些照片是斑马，即使这确实制造了一些假阳性’？关于这个问题似乎没有太多的讨论。
浏览 5提问于2017-09-07得票数 0
回答已采纳
我目前正在学习机器学习，通过这本书“用Sci-kit学习和Tensorflow进行的手工机器学习”，由Aurelien著。
在第76和77页，作者谈到使用分层抽样，以便您的测试集将更有代表性的整个数据。我真的不明白这一点，因为它不会影响你的训练模式的准确性？或者，选择更好的测试集将如何影响您的培训模型的准确性？
浏览 0提问于2019-02-06得票数 2
回答已采纳
1回答
在生活中，一些事件是罕见的，大多数情况是正常的。因此，我想知道，为了发现罕见的案例，我们是否应该使用一个不平衡的数据集，其中包含更多的历史罕见案例？
以德国信用数据为例。它包含关于20个变量的数据，以及对1000名贷款申请者来说申请人是否被视为良好或不良信用风险的分类。70%是好的。30%坏蛋
使用这个原始数据集，我假设模型将倾向于更好地识别正常情况(因为数据中有更多的正常情况)。
如果使用一个平衡的数据集，即好信用的数量等于坏信用的数量，那么最后一个模型将很好地预测“好”和“坏”。
但是，如果我们想使用机器学习来识别罕见的事件，例如在这种情况下，不良信贷客户。我们是否应该使用一个不平衡的数据
浏览 0提问于2020-11-06得票数 0
回答已采纳
3回答
带有偏差的不平衡分类
、、、
问题：
为客户提供特殊待遇的业务历史启发式规则在试图使用机器学习时在dataset中造成了偏差，以便为该特定交易进行更复杂的客户选择。
更详细的
：
对于所有customer performance metric得分> 90%的客户，提供了一项交易。其中10%似乎是一个糟糕的决定，因为他们接受了这笔交易，但之后未能满足要求。因此，在掌握了这些信息之后，我用以下方式给我的数据贴上了标签:每一位接受交易但未能满足要求的客户都是0，其他接受交易的人都是1。
class 1: 90%
class 0: 10%
然而，即使这是一种非常直观的标记类的方法，已经存在的启发式在数据中产生了一种偏差，这
浏览 0提问于2021-06-01得票数 0
1回答
罕见事件的预测分析
、、、、
我试图预测罕见的事件，意味着不到1%的阳性病例。我基本上试着预测一个主题是否会有0，1，2.，6，>6的失败(在所有这些类别中都有)。
我尝试过几种算法：
决策树
随机林
阿达博斯特
使用k-均值聚类进行分组，并发现与故障的关联(哪个组的故障最多)
在任何情况下，学习要么没有失败，要么有太多的差异(导致在C.V.集上的错误结论)。
你知道哪些机器学习算法更适合于罕见的事件吗？
或者，我使用这些算法得到了这些糟糕的结果，这是否令人惊讶，这意味着我的特性列表不是很好？
非常感谢。
浏览 0提问于2015-10-29得票数 5
回答已采纳
2回答
机器学习还是生存分析？
、、、、
我正在构建磁盘故障的预测模型(发生磁盘故障所需的时间以及哪些参数会对磁盘故障产生强烈影响)。我有点困惑于-
应该执行哪些数据预处理步骤。数据集高度不平衡(500个故障和40000个非故障)
由于数据高度不平衡，我应该考虑哪些类型的机器学习模型？
几天前，我读到了关于生存分析的文章，现在我陷入了一个难题:问题是生存分析还是机器学习？
我目前正在使用BackBlaze(https://www.backblaze.com/b2/hard-drive-test-data.html)提供的数据集。
那太好了--我能找到方向:)
浏览 0提问于2016-07-20得票数 3
1回答
ROC曲线好，查全率差
、、、、
我有些机器学习的结果我不太明白。我正在使用python学习，拥有大约14个特性的2+百万数据。“Ab”的分类在精确召回曲线上看上去相当糟糕，但是ROC对于Ab的分类和大多数其他组的分类一样好。有什么可以解释的？
浏览 1提问于2015-10-23得票数 11
回答已采纳
1回答
对于一个使用顺序分类特性的分类问题，我在R和Python之间得到了不同的结果。
我想问您，您认为Python中用于顺序分类数据的最佳分类算法是什么？
在R中，这似乎是一些基于"ctree“的机器学习算法。例如，在Python中，TreeDecisionClassifier是基于"CART“的。我没有为Python找到任何基于"ctree“的机器学习算法参考。
我的数据集是调查结果。我所有的特性都有从1到5的值(从坏到好)，目标变量是NPS，它从1、2和3(除法器、中性和启动子)取值。
谢谢。
浏览 0提问于2023-05-17得票数 1
当我们有一个不平衡的机器学习问题时，让我们假设一个二进制分类问题，其中0类是多数类，1类是少数类。这里第一课对你来说是最重要的课程。现在，您的数据集由100个样本组成:70个来自0类的样本和30个来自第1类的样本。
在这种情况下，通常定义并使用加权二进制交叉熵损失函数来计算损失。
classweights = torch.FloarTensor([1.000, 1.300])
weighted_loss = torch.nn.BCELoss(weight = classweights)
对于像F1评分这样的度量标准，是否需要使用这些权重？
sample_classweights = sklea
浏览 0提问于2020-09-02得票数 0
回答已采纳
我希望我的机器学习算法能够了解两个类之间的区别，实际上是picture of X或picture of something else。
我的样本数据是：
500 pictures of X (我知道它很低，不幸的是我不能做太多)
1 000 000 pictures of something else
问:我应该和所有的100万pictures of something else一起进行培训吗？
还是这种不平衡会产生负面影响？例如，它会不会“淹没”其他数据？
备注：
计算能力和时间不是一个问题。
在现实世界中，pictures of X占数据的5%到10%，所以我认为我没有阶级不平衡的问题。
浏览 0提问于2018-09-20得票数 1
一般情况下，机器学习模型是建立在数据集上的。我想知道是否有任何方法来生成合成数据集使用这种经过训练的机器学习模型，保持原始数据集的特点？
原始数据->建立机器学习模型->使用ml模型生成合成数据.！
有可能吗？如果可能的话，请告诉我相关的资料。
浏览 0提问于2015-04-01得票数 22
回答已采纳
我试图用机器学习制作一个恶意软件检测器，我从互联网上获得了一个数据集，它包含md5哈希和pe文件的其他特性。我把这个数据库输入weka，以找出最重要的特性，结果只有一个(Static_prio).I尝试使用一个特性(Static_prio)在数据上运行find算法，并且我获得了99.82%的准确性，但我对这里的方法有点困惑。我对机器学习很天真，所以请帮我找到正确的track.Thank you。
浏览 0提问于2018-06-27得票数 0
2回答
无目标变量的机器学习数据建模
、、、、
我想了解在处理没有目标变量的数据集时需要考虑的必要步骤。我可以在带有目标变量的标记数据集上进行机器学习，但不确定从没有目标变量的dataset开始的最佳方式是什么。
我需要一步一步的指导，以实现一个有效的聚类在最后。
为了实现这一点，我需要做以下工作吗？
数据清洗
埃达
编码和缩放
模型建立
验证
或者，在处理无监督的数据类时，我还需要处理更多的步骤吗？我是用蟒蛇做的
浏览 0提问于2020-01-24得票数 2
2回答
长序列标记的处理
、、、
我正在处理一个问题，在这个问题中，我必须将输入(以顺序格式)标记为5个不同的类。输入如下：
X = {x_1,_x_2,...,X_500}
输出应该是这样的：
Y = {Y_1,Y_2,...,Y_500}
但问题是，太多的标签来自第一类，因此一个样本输出将有许多头等标签，而与其他类相关的只有几个(5或6个样本)。
分类器倾向于学习将所有事物分类为第一类，但却获得了较高的分类精度，这是不正确的。
你有什么建议？
编辑:所使用的损失函数是交叉熵损失，该体系结构本身是在嵌入层之后应用的，更准确地说：
InputLayer ->嵌入-> BidirectionalLSTM ->
浏览 0提问于2018-06-07得票数 0
1回答
如何选择假设函数的度数？
、、、
在正常的机器学习问题中，你会得到许多特征(例如：-如果你正在制作一个图像识别器)，所以当有很多特征时，你不能可视化数据(你不能绘制图形)。在不绘制图形的情况下，有没有一种方法来确定我们应该使用多大程度的假设函数来解决这个问题？如何确定使用的最佳假设函数？例如：-
如果有两个输入x(1)，x(2)。
选择(w0) + x(1)*w(1) + x(2)*w(2)作为假设函数还是
w(0) + x(1)*w(1) + x(2)*w(2) + x(1)*x(2)*w(3) + (x(1)^2)*w(4) + (x(2)^2)*w(5)
作为假设函数:其中w(0)，w(1)，w(2)，w(3).....
浏览 0提问于2012-10-11得票数 3
回答已采纳
1回答
我有一个数据集，它有一些不平衡的分类特征。我想要建立一个回归模型来预测标签使用机器学习(ML)。
如何处理分类变量中的数据不平衡，以避免ML回归模型中的任何偏差？
浏览 0提问于2019-01-28得票数 1
我的“机器学习”任务是将良好的Internet流量和恶意流量分离开来。在现实世界中，大多数(比如90%或更多)的互联网流量是良性的。因此，我觉得我也应该选择一个类似的数据设置来训练我的模型。但我遇到了一、两篇研究论文(在我的工作领域)，它们使用“类平衡”数据方法来训练模型，这意味着同样数量的良性和恶意通信量。
一般来说，如果我正在构建机器学习模型，我应该选择一个代表现实世界问题的数据集，还是一个平衡的数据集更适合于构建模型(因为某些分类器的行为不符合类的不平衡，或者由于我不知道的其他原因)？
谁能更清楚地了解这两种选择的利弊，以及如何决定选择哪一种呢？
浏览 0提问于2014-07-22得票数 59
回答已采纳
3回答
我有一个航班延迟数据集，并试图分割该集，以训练和测试集，然后取样。及时病例约占总数据的80%，延迟病例约占总数的20% .
正常情况下，机器学习率为8:2，但数据过于不平衡。因此，考虑到极端情况，大多数的列车数据都是准时的，而大多数的测试数据都是延迟的情况，而且精度会很低。
因此，我的问题是如何正确地分割不平衡的数据集来训练和测试集？
浏览 1提问于2019-07-27得票数 1
回答已采纳
1回答
我还是机器学习领域的初学者。假设有这样的简单数据：
+--------+--------+-----------------+
| Age | Gender | Mortality Rates |
+--------+--------+-----------------+
| 0 | Male | 0.01 |
| 30 | Female | 0.2 |
| 80 | Male | 30 |
+--------+--------+-----------------+
为了获得按年龄划
浏览 1提问于2015-05-18得票数 0
回答已采纳
我正在使用Auto-Sklearn，并且有一个包含42个严重不平衡的类的数据集。处理这种不平衡的最好方法是什么？据我所知，在机器学习中存在两种处理不平衡数据的方法。要么使用重采样机制，如过采样或欠采样(或两者的组合)，要么在算法级别上通过选择需要深入了解Auto-Sklearn中使用的算法的归纳偏差来解决它。我不太确定如何处理这个问题。有没有可能直接在Auto-Sklearn中解决不平衡问题，或者我是否需要使用不平衡学习等提供的重采样策略？模型计算完成后，应使用哪种评估指标？从sklearn==0.22.1开始，就可以使用多个类的roc_auc_score。但是，Auto-Sklearn仅支持
浏览 2提问于2020-02-21得票数 2
1回答
我正在测试一个机器学习模型，它的验证数据返回100%正确的答案，它是过分适合还是该模型工作得非常好，我需要继续对更多的数据进行培训吗？
我不知道如何解释结果，请问有什么指导吗？
浏览 0提问于2020-10-29得票数 0
回答已采纳
2回答
我对数据科学和机器学习相当陌生，并且一直在尝试更多地阅读一些方法，比如为我正在从事的项目之一做助推。这个项目的研究人员对利用xgboost进行这个项目很感兴趣，但是一旦我们得到数据，我们就会发现一些主要的问题。
会出现阶级不平衡，就像1's比0's少。我看到人们使用xgboost中的D2参数来处理这个问题，但据我所知，xgboost允许定制的目标函数。我想知道人们是如何产生自定义的目标函数的，以及他们所选择的目标函数背后的基础。我对一个定制的目标函数感兴趣，它可以惩罚更多的假负片，我想知道网络上是否有推荐的东西。我们正在处理一个分类问题，因此在默认情况下，我们将使用日志丢失函数
浏览 0提问于2019-10-14得票数 2
简单的定义问题:在机器学习的背景下，模型的误差总是预测f(x) = \hat{y}和目标y的不同吗？还是还有其他错误的定义？
我查看了其他有关这方面的帖子，但还不够清楚。请看我在这篇文章中对答案的评论：
错误、风险和损失有什么区别？
浏览 0提问于2019-07-28得票数 1
回答已采纳
我觉得可能有人问过这个问题，但我不知道如何搜索它。基本上，我正在使用随机森林构建一个二进制分类器，并且有很多积极的结果，而不是消极的结果(2k vs ~20)。准确率当然是非常好的，因为测试集通常有0-1个负样本和超过1000个正样本。如果机器学习对于这种情况仍然可行，那么处理如此少量的负面情况的最佳方法是什么？或者数据只是无用的？
浏览 13提问于2018-07-23得票数 0
回答已采纳
3回答
我在这里学习机器学习，这门课使用的是regression 中的'scikit learning‘。
我可以看到，对于一些训练回归算法，作者使用了特征缩放，而对于某些回归算法，他没有使用特征缩放，因为一些“scikit学习”回归算法会自己处理特征缩放。
如何知道我们需要在哪种训练算法中进行特征缩放，以及我们不需要在哪里进行？
浏览 2提问于2018-08-03得票数 0
1回答
我需要任何熟悉我面临的问题的人的帮助。 我想使用SVM、随机森林和深度神经网络(DNN)对两个不同的数据集进行分类。我的一个数据集是平衡的，另一个数据是高度不平衡的。下面是我的数据集的图像，它对于分类是不平衡的。 ? 我想要比较用于这两个数据的所有机器学习的分类结果。哪个数据集产生更好的分类结果。对于平衡数据集，我没有问题，因为可以正常处理它，但对于不平衡数据集，我有点困惑。 我的问题是，我对使用不平衡数据进行分类的步骤感到困惑。据我所知，为了处理不平衡的数据，我们应该进行抽样。 我是必须先分类并获得结果，还是应该先进行过采样并分类并获得结果？对不平衡数据集进行分类的正确步骤是什么？
浏览 20提问于2019-04-12得票数 0
在一次面试中，我被要求在机器学习的帮助下解决一个用例。我必须使用机器学习算法来识别交易中的欺诈行为。我的训练数据集假设有100,200笔交易，其中100,000笔是合法交易，200笔是欺诈交易。
我不能将数据集作为一个整体来制作模型，因为它将是一个有偏见的数据集，并且模型将是一个非常糟糕的模型。
举个例子，我取了200个好的交易样本，它们很好地代表了数据集(好的交易)，还有200个欺诈的交易，并使用它作为训练数据来建立模型。
我被问到的问题是，我如何将200个良好的事务扩展到包含100,000个良好记录的整个数据集，以便我的结果可以映射到所有类型的事务。我从来没有解决过这种情况，所以我不知道如
浏览 1提问于2017-06-07得票数 3
1回答
我已经训练了两个机器学习模型。两者的准确性略有不同。
Model-A Accuracy = 0.78 or 78%
Model-B Accuracy = 0.80 or 80%
从以上结果我可以推断出Model-B比Model-A更适合2%。
浏览 2提问于2019-11-27得票数 0
回答已采纳
我是数据科学的初学者。我发现一些机器学习算法在给定特定类型的数据(即数值、分类、文本、图形)时表现得更好。我在网上搜索了这个话题，但没有运气。
我想知道根据给定的机器学习算法哪种数据性能最好？
更好的解释一下为什么某些类型的数据适合某些机器学习算法？？
希望对这个问题的回答将有助于数据科学的初学者。
更新:如果您能够解释哪些类型的数据最适合下面的算法，那就更好了。朴素贝叶斯，支持向量机，回归，K-均值，深层神经网络.
浏览 0提问于2017-06-23得票数 9
我正在学习R，并试图生成一些直方图。我的数据集被称为"test“，它有一个名为”道布“的字段，它代表我在x轴上使用的出生日期。我想在x轴上显示从1:31开始的所有值。我的命令是：
qplot(x = dob_day, data = fb) +
scale_x_discrete(breaks = 1:31)
我在终端中得到以下错误。
Error: StatBin requires a continuous x variable the x variable is discrete. Perhaps you want stat="count"?
我读了一些SO的帖子，但
浏览 6提问于2017-02-28得票数 1
1回答
我试图在多个数据集上做实验。有些人比其他人更不平衡。现在，为了确保公平的报告，我们计算F1分数的测试数据。在大多数机器学习模型中，我们通过精度度量对模型进行训练和验证。然而，这一次，我决定在F1评分度量标准上训练和验证模型。从技术上讲，在我看来，不应该有问题。不过，我想知道这是否正确的做法。
第二，当我使用这种方法(训练，验证F1-分数)，我得到一个更高的损失误差和一个较低的F1-分数的训练数据比验证数据。我不知道为什么。
浏览 0提问于2022-01-31得票数 0
4回答
大不平衡数据的机器学习模型建议
、、、、
我有分类问题的数据集。我总共上了50节课。
Class1: 10,000 examples
Class2: 10 examples
Class3: 5 examples
Class4: 35 examples
.
.
.
and so on.
我尝试用支持向量机(线性核和高斯核)训练分类器。在测试数据上，我的准确率分别是65 %和72%。现在我在考虑一个神经网络。你对大型不平衡数据的机器学习模型和算法有什么建议吗？这对我会有很大帮助
浏览 6提问于2016-05-22得票数 4
回答已采纳
1回答
我正在为学校的作业做一项任务。本课程没有教科书，而是在DataCamp上使用本教程。我很难用DataCamp来学习(经历过多次)，相反，我发现书面教程帮助我更好、更快地学习(至少在机器学习模型中是如此)。到目前为止，我通常使用媒体，但在那里没有发现任何有用的东西。
我很好奇是否有一个教程可以帮助我完成以下任务。
您将构建一个神经网络，旨在学习使用NLP技术的单词使用和上下文。您将提供可视化和报表，以及在交互式开发环境中构建网络。
浏览 0提问于2021-04-23得票数 0
1回答
线性判别分析与朴素贝叶斯
、、、、
在机器学习分类方面，LDA与朴素贝叶斯的优缺点是什么？
我知道一些区别，比如朴素贝叶斯假设变量是独立的，而LDA是高斯类条件密度模型，但是我不知道什么时候使用LDA，什么时候使用NB取决于具体情况？
浏览 2提问于2017-09-25得票数 8
好吧，我知道我的问题很奇怪(我是机器学习的新手)，我会试着说得更具体。我有一个数据集，有7个类别，频率分别为: 211.840,283.301，35.754，2.747，9.493，17.367和20.510。由于类别是不平衡的，我的想法是创建许多不同的欠采样数据集，然后在每个数据集上训练一个随机森林分类器，最后从所有这些分类器的多数投票中获得我的最终预测。我的想法有效吗？我忽略了什么重要的一点吗？
谢谢
浏览 12提问于2018-01-08得票数 0
回答已采纳
3回答
当我使用由75%的“真”标签和25%的“假”标签组成的不平衡数据集时，我应该如何在libSVM中设置我的伽马和成本参数？由于数据不平衡，所有预测的标签都设置在“True”上，我得到了一个持续的错误。
如果问题不是关于libSVM，而是关于我的数据集，我应该如何从理论机器学习的角度来处理这种不平衡？*我使用的特性数量在4-10之间，而且我有一小部分250个数据点。
浏览 3提问于2013-09-30得票数 7
回答已采纳
1回答
我在一个csv文件中有一个数据文件，我想对它执行不同的无监督机器学习算法。
文件本身有一些未填充的单元格--它们只是空的：
📷
如上图所示，一些单元格是空的。所以问题如下--这些空单元会影响我想要使用的异常点检测过程吗？
还是应该使用0's填充这些空单元格的代码？
有人告诉我，填充空单元格必须完成，这样我们才不会有数据稀疏性，即使我的csv文件有数千行长。
任何有关这方面的建议都是非常受欢迎的。
浏览 0提问于2020-02-06得票数 1
1回答
不平衡类处理方法的分类
、、、、
什么是最好的分类方法，已发展的方法，以处理不平衡的阶级问题？
此文章将它们分类为：
预处理:包括过采样、欠采样和混合方法，
成本敏感学习:包括直接学习和元学习，后者进一步分为阈值学习和抽样学习，
集成技术:包括成本敏感的集成和数据预处理与集成学习。
第二分类：
数据预处理:包括分布变化和数据空间加权.单班学习被认为是分布变化.
特殊目的学习方法
预测后处理:包括阈值法和成本敏感的后处理。
混合方法：
第三文章:
数据级方法
算法级方法
混合方法
最后一种分类也认为产出调整是一种独立的方法。
提前谢谢。
浏览 0提问于2018-06-08得票数 8
1回答
我想使用一种聚类算法来实现包含许多特性(32列)的数据帧。
部分特征使用一个热编码器进行编码。
我希望使用主成分分析( PCA )来减少维数，使机器学习过程更容易。
是否可以仅对数据帧的某些列使用PCA，而保留其他列，然后使用机器学习模型。
或者，在聚类之前，必须对所有数据使用PCA。
浏览 3提问于2022-07-04得票数 -1
回答已采纳
1回答
我正在开发一个机器学习分类模型，在这个模型中，用户可以提供应该有助于改进模型的标签实例。用户提供的最新实例需要比以前可供培训的实例更切合实际。
特别是，我正在使用Sklearn库在python中开发我的机器学习模型。
到目前为止，我只发现了过度采样特定实例的策略，作为解决问题的可能方法。使用此策略，我将创建多个实例的副本，我希望对这些实例具有更高的相关性。
我发现的其他策略(但在这些情况下似乎没有帮助)是：
专注于给每一堂课赋予权重的策略。默认情况下，此策略在多个库(如Sklearn )中被高度使用。但是，这将这种想法推广到类级别，并不能帮助我将重点放在特定的实例上。
我一直在寻找
浏览 0提问于2019-07-09得票数 1
回答已采纳
我是机器学习的新手。这是我的1^{st}机器学习项目，我正在对不平衡的数据集进行分类。目标变量中也有多个类。
我想知道在GridSearchCV中评分最合适的指标是什么。
我认为
roc_au有时用于不平衡的数据集。但是有几个
‘roc_auc’
‘roc_auc_ovo’
‘roc_auc_ovr’
我该用哪一种？
或者，查准率-召回_auc也被使用.但我似乎找不到GridSearchCV的评分标准。我如何在GridSearchCV中使用它？
谢谢
X_train, X_test, y_train, y_test = train_test_split(X_total, Y_total,
浏览 0提问于2021-10-26得票数 1
1回答
我在学习机器学习理论。我有一个使用多类Logistic回归预测的混淆矩阵。
现在，我已经计算了微观和宏观平均数(精确和召回)。
它们的价值是完全不同的。现在我想知道是哪些因素影响了这一点。在什么情况下，微观和宏观会有很大的不同？
我注意到的是，不同类别的预测的准确性不同。这就是原因吗？还有什么其他因素会导致这种情况呢？
样本混淆矩阵：
我计算的微观宏观平均数：
precision-micro = ~0.7329
recall-micro = ~0,7329
precision-macro = ~0.5910
recall-macro = ~0.6795
浏览 1提问于2021-06-05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
实时音视频活动推荐
腾讯云开发者
