腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(1236)
视频
沙龙
1
回答
超
参数
调整
(
Hyperas
)
和
流水线
预处理
的
交叉
验证
、
、
、
、
我尝试使用
Hyperas
优化
和
交叉
验证
我
的
超
参数
,但无法使用KerasClassifier进行
预处理
(缩放、过采样/欠采样)
流水线
我使用
Hyperas
(hyperopt
的
包装器)来调优我
的
神经网络(使用Keras/Tensorflow构建)
的
超
参数
,并尝试实现kfold
交叉
验证
浏览 52
提问于2020-05-19
得票数 0
回答已采纳
1
回答
插入符号
交叉
验证
中
的
预处理
、
对于需要澄清
的
数据
预处理
,我有一个问题。据我所知,当我们通过
交叉
验证
来调优
超
参数
和
评估模型性能时,而不是对整个数据集进行
预处理
时,我们需要在
交叉
验证
中这样做。换句话说,在
交叉
验证
中,我们对训练褶皱进行
预处理
,然后使用相同
的
预处理
参数
对测试褶皱进行处理
和
预测。 在下面的示例代码中,当我在插入符号
浏览 0
提问于2018-05-11
得票数 5
1
回答
随机森林
的
特定
交叉
验证
超
调不取决于RF: NBtree、Depth_Tree
的
参数
。编辑
浏览 0
提问于2016-07-01
得票数 15
2
回答
培训集
交叉
验证
后是否需要测试集?
、
、
、
、
我想引用Aurelien
的
“与Scikit学习
和
TensorFlow一起进行机器学习
的
手”一书中
的
一段,关于在使用k-折叠
交叉
验证
对训练集进行
超
参数
调整
之后对最终测试集
的
评估: “如果您进行了大量
的
超
参数
优化(因为您
的
系统最终对
验证
数据进行了很好
的
调整
,并且在未知数据集上
的
性
浏览 0
提问于2020-08-14
得票数 1
回答已采纳
1
回答
如何对大型数据集进行
交叉
验证
和
超
参数
调整
?
、
、
、
我有一个csv文件
的
10+gb,我使用了pandas.read_csv()中可用
的
"chunksize“
参数
来读取
和
预处理
数据,用于训练模型想要使用
的
在线学习方法之一。通常
交叉
验证
和
超
参数
整定是对整个训练数据集进行
的
,并使用最好
的
超
参数
来训练模型,但是在海量数据
的
情况下,如果我在训练数据块上做同样<e
浏览 9
提问于2017-09-26
得票数 1
回答已采纳
1
回答
基于
交叉
验证
的
模型选择
和
超
参数
整定工作流程
、
、
我一直试图教自己机器学习,并希望确保我对模型选择、
超
参数
优化
和
交叉
验证
有正确
的
想法。对吗?另外,对于步骤3,应该使用整个数据集还是只使用测试集来进行调优?
浏览 0
提问于2020-05-11
得票数 -1
1
回答
超
参数
的
优化与
交叉
验证
评估
、
、
我很难掌握如何使用
交叉
验证
进行
超
参数
优化
和
评估
的
标准方法。我试着做10倍
的
简历。下列哪一种方法是正确
的
? 所有数据都用于
参数
调整
(例如,使用带有
交叉
验证
的
随机网格搜索)。这将返回最佳
的
超
参数
。然后,利用这些
超
参数
构造了一个新
的
模型,它可以通过
交叉</
浏览 1
提问于2020-04-21
得票数 0
回答已采纳
1
回答
比较网格搜索CV
和
随机搜索CV与K次
交叉
验证
的
准确性?
、
、
、
网格搜索CV
和
随机搜索CV总是/一定要给出比K-折叠
交叉
验证
更精确
的
超
参数
调整
结果吗?
浏览 0
提问于2021-10-07
得票数 0
回答已采纳
1
回答
两种方案中哪一种更适合模型优化: 1)套式CV错误平均内部CV评分。2) X_all上连续两次简历。阿尔特恩特?
、
、
、
、
目的:比较
预处理
方法、模型
和
超
参数
,而不泄漏到最终
的
泛化估计,应用
交叉
验证
(cv),即不使用任何固定
的
训练/测试分割。到目前为止发现
的
“嵌套cv":在外部cv中对不同
的
超
参数
(来自内部SearchCVs)
的
分数进行平均,并选择最佳得分。此外,我如何在搜索中包括不同
的
预处理</e
浏览 0
提问于2023-02-25
得票数 1
1
回答
LassoCV如何在scikit中学习分区数据?
、
、
、
根据他们
的
指导,以及我在其他地方看到
的
,不只是对所有的培训数据进行
交叉
验证
,而是建议将其划分为更传统
的
培训集/
验证
集分区。因此,拉索在训练集上进行训练,然后根据
验证
集
交叉
验证
的
结果对
超
参数
α进行
调整
。最后,在测试集上使用了所接受
的
模型,给出了一个真实
的
视图,哦,它在现实中
的
表现。分开这里
的</
浏览 3
提问于2014-06-15
得票数 8
回答已采纳
2
回答
使用keras
和
sklearn:将class_weight应用于cross_val_score
、
、
、
我有一个高度不平衡
的
数据集(±5%
的
正实例),为此我正在训练二进制分类器。我使用嵌套
的
5倍
交叉
验证
和
网格搜索来进行
超
参数
调整
。 我想避免过采样,所以我一直在研究class_weight
超
参数
。对于sklearn
的
决策树分类器,这是非常好
的
工作,很容易给出一个
超
参数
。然而,据我所知,这并不是sklearn
的
神经网
浏览 0
提问于2019-02-07
得票数 1
1
回答
使用
验证
数据优化
超
参数
的
最佳实践是什么?
、
、
我正在构建一个二进制分类器,使用来自resnet
的
任务传输
和
总共300张图像
的
训练集。最初,我把100张图像作为
验证
,并
调整
了
超
参数
,每次训练200次,测试100次,直到我得到93%
的
验证
精度。对这种准确性感到满意
的
是,我在测试集上尝试了相同
的
参数
(另外170幅图像),并且得到了非常糟糕
的
精度(大约65%)。我应该使用
交叉
<em
浏览 0
提问于2021-02-17
得票数 1
回答已采纳
1
回答
是否对培训或
验证
数据集进行了
超
参数
调优?
、
是否对培训或
验证
数据集进行了
超
参数
调优?post 这里对是否应该使用训练集进行
超
参数
调整
给出了不同
的
意见。我想知道是否可以在训练数据集上进行
超
参数
调优?此外,我想知道为什么我们应该/不应该对训练数据集进行
超
参数
调优
的
后果是什么。 提前感谢!
浏览 0
提问于2023-05-08
得票数 0
1
回答
如何避免过度拟合?
、
、
、
我
的
情况是: 据我所知,我可以使用正规化。我已阅读
交叉
验证
也将有助于解决我
的
过度拟合问题。 如果
交叉
验证
解决了过度匹配<em
浏览 1
提问于2019-08-07
得票数 1
回答已采纳
1
回答
针对实施
和
超
参数
调整
的
培训、开发集
和
测试集建议
我对使用经典
的
训练、
验证
和
测试集实现
和
调整
参数
和
超
参数
有一些疑问。因此,如果有人能向我阐明这些概念,并为我提供一些在Python等语言中实现它
的
提示,那将是非常有帮助
的
。例如,如果我有一个神经网络,据我所知,
参数
调整
(让我们考虑隐藏层
和
每层神经元
的
数量)可以根据训练集进行
调整
。因此,当涉及到
验证</em
浏览 22
提问于2019-08-12
得票数 0
1
回答
什么是正确
的
方式使用标准化/标准化结合K-折叠
交叉
验证
?
、
、
、
、
所以我要做
的
是:scaler.fit_transform(X_train)现在,如果我要在新数据上使用这个模型这是最好
的
做法是重新
调整
和
改变每一个折叠
的
定标器?我可以理解这在构建模型时是如何工作
的
,但是如果以后我想使用这个模型,该怎么办呢?我应该存哪个定价器? 此外,我想将其扩展到时间序列数据。我明白k-折叠是如何为时间序列工作
的
,但我如何将它与简历结合起来呢?在这
浏览 5
提问于2020-10-15
得票数 2
回答已采纳
2
回答
在R支持向量机中如何考虑不同类型错误
的
代价
、
如果我们使用logistic回归进行建模,那么我们可以使用cv.glm进行
交叉
验证
,并且可以在cost
参数
中指定成本函数。通过指定成本函数,我们可以为不同类型
的
错误分配不同
的
单位成本:“预测是”、“引用”是“否”或“预测”“没有”引用是“是”。 我想知道我能否在支持向量机中实现同样
的
目标。换句话说,我是否有办法指定一个成本(损失)函数,而不是使用内置
的
损失函数?
浏览 3
提问于2015-12-19
得票数 0
回答已采纳
1
回答
如果
验证
精度等于测试精度,这意味着什么?
、
、
我正在为我
的
具体问题训练CNN模型。我将数据集划分为70%
的
训练集、20%
的
验证
集
和
10%
的
测试集。
验证
精度达到95%,测试精度也达到95%。这是什么意思?这是否意味着模型没有偏差(不偏倚于
验证
集中
的
样本),并且它
的
超
参数
被正确地
调整
了?同时,这些结果是否证实了模型
的
泛化能力(无过拟合)?
浏览 0
提问于2022-04-15
得票数 0
回答已采纳
1
回答
超
参数
优化
的
基本方法
、
指出它可用于优化元启发式算法、模拟退火算法或遗传算法
的
超
参数
。我想了解优化
超
参数
的
一般工作原理,维基百科页面是我发现
的
信息最多
的
页面,但它没有回答我
的
基本问题:https://en.m.wikipedia.org/wiki/Hyperparameter_优化 我
的
问题是:优化
超
参数
的
基本思想是什么?如果我想用模拟退火来解决一
浏览 0
提问于2018-01-03
得票数 3
回答已采纳
1
回答
神经网络
交叉
验证
:如何处理历元数?
、
、
、
我使用
交叉
验证
,因为我有x个测量数据库,我想评估我是否能够用x数据库
的
子集来训练一个神经网络,并将神经网络应用到看不见
的
数据库中。因此,我还介绍了一个测试数据库,它不用于
超
参数
识别阶段。对于如何处理
交叉
验证
中
的
历元数,我感到困惑,例如,我有许多历元= 100。有两种选择: 划时代数是一个需要
调整
的
超
参数
。在每个时代,跨越所有
交叉
验证</e
浏览 1
提问于2020-04-29
得票数 1
回答已采纳
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
相关
资讯
交叉验证和超参数调整:如何优化你的机器学习模型
AI算法的调优流程
机器学习三人行-end-to-end机器学习
3,sklearn的一般流程
python二分类模型精度低怎么办
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
云直播
活动推荐
运营活动
广告
关闭
领券