Set.Seed函数-我不明白为什么我们在训练数据中需要它
Set.Seed函数是一种用于设定随机数种子的函数。在训练数据中使用它是为了确保训练过程的可重复性和可复现性。
随机数在机器学习和数据科学中有广泛的应用，例如随机初始化神经网络权重、数据集划分、模型正则化等。使用随机数可以增加训练过程的多样性，避免模型过拟合。
然而，每次运行训练过程时使用不同的随机数种子可能会导致不同的训练结果。为了确保结果的可比较性和可重复性，我们需要在训练开始之前设定一个固定的随机数种子。这样可以保证每次运行时生成的随机数序列是一致的。
使用Set.Seed函数可以设定随机数种子，该函数接受一个整数作为参数，表示随机数的种子值。同样的种子值会导致同样的随机数序列生成，从而保证了训练过程的可重复性。
腾讯云提供了一系列适用于云计算和机器学习的产品和服务，如云服务器、容器服务、人工智能平台等。您可以通过腾讯云官方网站了解更多相关产品和服务的详细信息：腾讯云。
相关·内容
我不明白为什么我们在测试/训练数据中使用set.seed函数。我意识到它会随机生成一个令人难忘的重现序列，但我们在设置函数后并不依赖于它。以下是代码示例： data(mtcars)
## 75% of the sample size
smp_size <- floor(0.75 * nrow(mtcars))
## set the seed to make your partition reproducible
set.seed(123)
train_ind <- sample(seq_len(nrow(mtcars)), size = smp_size)
train &l
浏览 46提问于2020-04-19得票数 0
2回答
我希望得到一些关于为什么我会得到的提示：
Warning message: In method$predict(modelFit = modelFit, newdata =
newdata, submodels = param) : kernlab class prediction calculations
failed; returning NAs
当我打印出预测结果时：
svmRadial_Predict
[1] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA&g
浏览 1提问于2018-05-19得票数 2
我一直在使用Scikit learn为信用卡欺诈检测问题编写一些代码。我使用train_test_split将我的数据划分为训练、测试和验证数据集。
x_train,x_test,y_train,y_test=train_test_split(x,y,train_size=0.7,random_state=123)
我不明白为什么在训练和测试数据集之间拆分数据时random_state是123
part_x_train, x_val, part_y_train, y_val = train_test_split(x_train, y_train, test_size=0.2, random_s
浏览 7提问于2021-04-21得票数 0
我不明白fit和fit_transform方法在scikit-learn中的区别。有人能简单地解释一下为什么我们可能需要转换数据吗？
这是什么意思，拟合一个模型的训练数据和转换为测试数据？例如，这是否意味着在培训中将分类变量转换为数字，并将新的功能集转换为测试数据？
浏览 0提问于2016-06-21得票数 240
回答已采纳
totalrows=nrow(x)
s=sample(seq(1,totalrows),0.7*totalrows)
train=x[s,]
test=x[-s,] 我应该如何将这些数据放在用户定义的函数中，这样我就不必重复它了，当我传递一个我读取的文件时，它将拆分数据并返回样本，训练和测试数据？
浏览 10提问于2020-03-19得票数 0
1回答
我有以下数据。我的目标是通过复制100次，使用交叉验证计算均方预测误差(MSPE)。
y=rnorm(250,0,2)
x1=rnorm(250,0,3)
x2=rnorm(250,1,1)
datasim=data.frame(y,x1,x2)
从这一点开始，我需要将数据分割成训练和测试数据。因此，我首先使用R中的sample.int函数计算指标，根据这些指标将数据分成训练和测试集。
dd=replicate(100,sample.int(n = nrow(datasim),
size = floor(.75*nrow(datasim)), replace
浏览 0提问于2018-12-12得票数 1
回答已采纳
我最近一直在用tidytext学习文本挖掘。今天，我遇到了以下问题： set.seed(2017)
ggraph(bigram_graph, layout="fr") + geom_edge_link() + geom_node_point() +
geom_node_text(aes(label=name), vjust=1, hjust=1) 我已经在sample()等其他函数中使用过set.seed()函数。但是在这里，我不明白为什么要和set.seed()一起使用ggraph。有谁可以帮我？
浏览 15提问于2019-03-06得票数 1
回答已采纳
我正在学习聚类主题，跟随scikit学习。
我不明白“类别”和“标签”有什么区别。
在这种情况下，数据集是通过下载提供的：
dataset = fetch_20newsgroups(subset='all', categories=categories,
shuffle=True, random_state=42)
但我不明白为什么要写这个类别
categories = [
'alt.atheism',
'talk.religion.misc',
'comp.graphics&#
浏览 0提问于2018-12-28得票数 0
回答已采纳
1回答
我有一个数据集，如下所示： y Age Height
0 Aage Aheight
1 Bage Bheight 所有变量至少分为两类。当我使用以下代码打开dataset时： DM_input = read.csv(file="C:/Users/user/Desktop/test.CSV",header = TRUE, sep = ",") R正确地显示: 11个变量的5040个观测值。当我尝试将数据集分解为测试并使用以下代码进行训练时： > train <- DM_input[DM_input$rand <= 0.7, c(2
浏览 21提问于2020-08-02得票数 0
1回答
这是一个基于理解的问题，用于使用阈值方法进行面部识别。我用非专业术语理解如何使用以下步骤识别具有阈值的面孔：
利用顶k特征面形成特征空间
基于特征空间的项目训练方法
将测试面投影在特征空间上
在特征空间中计算试面与训练面之间的距离
选择与测试面最接近的训练面。
检查距离是否超过识别阈值。
我理解整个过程，直到第6步。我收集到，阈值是数据保存的百分比，但是我不明白为什么我们要改变这个值。即。为什么我们会使它更小/更大，我们如何知道我们应该如何使这个价值？任何解释都将不胜感激。
浏览 3提问于2015-04-18得票数 0
1回答
我正在使用Python的大Keras库来训练神经网络。我对一种我不明白的行为感到好奇。
通常，甚至更小的模型收敛到比小的更大的误差。
这一切为什么要发生？我希望更大的模型只是训练时间更长，但收敛到较小或相同的误差。
我对模型进行了超优化，尝试了不同数量的失学正则化，并让它有足够的时间进行训练。我试验了大约10-20k参数、5层、10M数据样本和20-100个低LR历元的模型。模型包含密集的有时是LSTM层。
浏览 0提问于2018-01-31得票数 0
我试图通过首先在R中执行K-means聚类，然后在每个代表性聚类中采样50-100个样本来减少输入数据大小，以便进行下游分类和特征选择。 原始数据集被分割为80/20，然后80%进入K均值训练。我知道输入数据有2列标签和110列数值变量。从标签栏中，我知道有7种不同的药物治疗方法。同时，我测试了肘部方法，以找到聚类数的最佳K，它约为8。因此，我选择了10个，以便有更多的数据簇可供下游采样。 现在我已经运行完了模型<- Kmeans()，输出列表让我有点不知道该怎么做。由于我只需缩放数值变量即可将其放入kmeans函数中，因此输出集群成员不再具有该处理标签。我可以通过将集群成员资格附加到
浏览 30提问于2020-11-02得票数 0
回答已采纳
2回答
我刚开始深造，这是我看到的
代码很好，但我不明白以下内容：
for epoch in range(1, args.epochs + 1):
train(epoch)
test(epoch)
with torch.no_grad():
sample = torch.randn(64, 20).to(device)
sample = model.decode(sample).cpu()
在机器学习中，当我们完成训练时，我们确定了测试数据集的模型参数。以下是我的两个问题：
(1)在深度学习中，我们有训练、验证、测试数据集。test(epoch)
浏览 0提问于2019-10-18得票数 0
回答已采纳
当使用rpart进行拟合时，它返回"where“向量，该向量告诉训练数据集中的每条记录在树上的位置。有没有一个函数可以为测试数据集返回类似于这个"where“向量的东西？
浏览 0提问于2018-03-10得票数 1
1回答
我检验了训练数据对分类精度的影响。例如，我使用虹膜数据。我注意到我在33次迭代中获得了最好的精度。我想使用训练集(虹膜)的迭代，以进一步分析。我不知道怎么复制它。我不想每次迭代都保存训练集，因为它很大。我只想从33次迭代中得到这个集合。我尝试了以下方法: clusterSetRNGStream()，然后在循环中使用相同的种子，结果不一样
library(randomForest)
library(caret)
library(foreach)
library(doParallel)
results_overall <- data.frame()
cores = detectCores
浏览 1提问于2020-04-30得票数 2
回答已采纳
从一开始，我是R的新手，也许我误解了我的代码所做的事情和我希望它做的事情的概念。这是我迄今编写的代码。
his <- hist(x, breaks=seq(floor(min(x)) , ceiling(max(x)) + ifelse(ceiling(max(x)) %% 5 != 0, 5, 0), 5)
Here is some sample data:
Autonr X
1 -12
2 -6
3
浏览 0提问于2020-03-19得票数 0
回答已采纳
1回答
R中的训练和测试误差曲线插入包
、、、、
我正在运行以下模型
Logistic回归
决策树
支持向量机
朴素贝叶斯
同一数据集上的随机森林。
我用的是卡莱特包。
我的梦想是绘制训练错误和测试错误曲线，我知道这些图。
和其他使用插入符号的性能度量曲线一样漂亮。
任何帮助都会很感激的。
浏览 0提问于2016-05-13得票数 1
2回答
我使用Weka已经有一段时间了，在我对它的研究中，我发现很多代码示例都使用了测试和训练集。例如，对于离散化和贝叶斯网络，它们的示例几乎总是使用测试和训练集显示的。我可能在这里错过了对数据处理的一些基本理解，但我不明白为什么总是这样。我在一个项目中使用离散化和贝叶斯网络，对于这两个项目，我都没有使用测试或训练集，也不明白为什么我需要这样做。我正在对BayesNet执行交叉验证，所以我正在测试它的准确性。我是否误解了测试和训练集的用途？哦，请使用最简单的术语；我在数据处理领域仍然不是很有经验。
浏览 1提问于2013-01-21得票数 3
1回答
我正在使用插入符号包来训练K最近的Neigbors算法.为此，我运行以下代码：
Control <- trainControl(method="cv", summaryFunction=twoClassSummary, classProb=T)
tGrid=data.frame(k=1:100)
trainingInfo <- train(Formula, data=trainData, method = "knn",tuneGrid=tGrid,
trControl=Control,
浏览 1提问于2014-10-11得票数 3
1回答
我需要一些关于K近邻算法的解释。
为什么KNN算法需要训练过程？在回归模型中，训练过程意味着为所选函数寻找最优参数。KNN训练是否意味着训练数据点之间的相似距离是计算出来的？为什么这对以后的预测阶段有好处呢？
训练和测试数据点之间的相似距离也是计算的吗？如果是的话，那为什么在计算训练数据之间的距离之前，还需要计算这些数据点之间的距离呢？
如果执行了下面的代码，那么它到底要做什么？这是否意味着计算了训练数据点之间的距离？neigh = KNeighborsClassifier(n_neighbors = k).fit(x_train, y_train)
如果执行了下面的代码，那么它到底要做什么？
浏览 0提问于2019-04-24得票数 2
1回答
我试图用Java编写一个神经网络
2个输入神经元，1个隐藏层，包含3个神经元和1个输出神经元，
它应该能够解决异或函数。我理解神经元(感知器)是如何工作的，以及它们是如何学习的，但我不明白神经网络是如何处理输出的，也不明白神经元如何“相互交流”。
例如：
我有一个神经网络：(忽略这些值)
这个数据集是：
input = {{1, 0},{1, 1},{0, 1},{0, 0}}
ideal = {1, 0, 1, 0}
我用什么价值观训练每个人的特定神经元？还是让神经网络学习？
浏览 4提问于2017-05-02得票数 1
回答已采纳
2回答
通常，我们固定一个种子号，以便在每次运行代码时生成相同的拆分。所以代码
set.seed(12345)
data <- (1:100)
train <- sample(data, 50)
test <- (1:100)[-train]
总是给出相同的训练和测试集(因为我们修复了种子)。
现在，假设我有数据、训练和测试。有没有办法从数据中知道用来生成训练和测试的种子号？最好的。
浏览 1提问于2016-09-16得票数 1
我在R中使用下面的函数将受试者/样本分割成训练和测试集，它工作得很好。然而，在我的数据集中，受试者被分为两组(病人和对照组)，因此，我希望将数据分成两组，同时保持每个培训和测试集中患者和对照组所占比例与完整数据集的比例相同。我怎样才能在R中做到这一点？如何修改以下功能，使其在将数据拆分为培训和测试集时考虑到组间的隶属关系？
# splitdf function will return a list of training and testing sets#
splitdf <- function(dataframe, seed=NULL) {
if (!is.null(seed))
浏览 3提问于2013-09-22得票数 1
回答已采纳
1回答
Keras模型的精度优化而非损失
、、、、
如果我正确地理解了损失函数对模型的重要性，它将指导基于最小损失值的模型的训练。因此，例如，如果我希望我的模型被训练，以便有最小的平均绝对误差，我应该使用MAE作为损失函数。例如，为什么有时你看到有人想要达到最好的精度，但建立模型以最小化另一个完全不同的功能？例如：
model.compile(loss='mean_squared_error', optimizer='sgd', metrics='acc')
为什么上面的模型被训练来给我们最好的acc，因为在它的训练期间，它将尝试最小化另一个功能(MSE)。我知道，当已经训练的时候，模型的度量将给
浏览 1提问于2019-06-07得票数 2
回答已采纳
1回答
日安，我不明白这里的一个主题，就像它工作，但我不能理解为什么我有这个数据库
# planets_df is pre-loaded in your workspace
# Use order() to create positions
positions <- order(planets_df$diameter)
positions
# Use positions to sort planets_df
planets_df[positions,]
我不明白为什么如果你取列的直径，那么如果你想对它进行排序，为什么你把它放在数据框的一行中，对我来说，它应该是行，列，但是你把一列放
浏览 8提问于2020-05-10得票数 0
回答已采纳
2回答
机器学习中集成技术的几个问题
、、、、
我正在学习合奏机器学习，当我在网上阅读一些文章时，我遇到了两个问题。
1.
在这个文章中，它提到
相反，模型2在所有数据点上可能具有更好的总体性能，但在模型1更好的一组点上性能更差。其想法是将这两种模式结合起来，使它们表现最好。这就是为什么创建样本外预测有更高的机会捕捉不同的区域，其中每个模型的表现最好。
📷
但我还是搞不懂，为什么不训练所有的训练数据才能避免这个问题呢？
2.
在这个文章中，在预测部分中，它提到
简单地说，对于给定的输入数据点，我们所需要做的就是把它传递给M基础学习者，得到M个预测数，然后通过元学习者发送这些M预测作为输入。
但是在训练过程中，我们使用k个-fold训练数据来
浏览 0提问于2018-04-17得票数 1
回答已采纳
我不明白为什么Weka评估类构造函数需要训练实例才能工作。
有人能解释我吗？
理论上，评估只依赖于经过训练的模型(下一段代码中的)和测试数据(TestingSet)。
谢谢!
这就是一个例子：
// TrainingSet is the training Instances
// TestingSet is the testingInstances
// Build de classifier
Classifier cls = (Classifier) new NaiveBayes();
cls.buildClassifier(TrainingSet);
// Test the mo
浏览 0提问于2015-09-16得票数 8
我被“测量新闻情绪”的学术文章“衡量新闻情绪”中的这段文字卡住了：https://www.sciencedirect.com/science/article/pii/S0304407620303535#tbl3
“作为最佳实践，我们将标记的数据集分成一个训练集、一个开发集和一个持久测试集。开发和测试集各有100个观测值，为训练集留下600个观测值。(.)超参数优化是通过网格搜索进行的，在训练集上使用交叉验证来评估每个可能的超参数集的模型性能。然后根据开发集对最优模型进行评估。最后，在开发所有模型之后，我们根据我们的等待测试集测试它们，以获得最终结果。”
对我来说，他们所描述的(大胆的部分)是不
浏览 0提问于2022-10-10得票数 3
2回答
我想用Joburg这个词替换以Jo开头的每个单词，但是这段代码不起作用，我不明白为什么。
gsub("^Jo\\w+","Joburg",DF[,4:9])
我的数据框架有10列，我希望在第4列到第9列中进行替换，所有这些都是因素。
当我在之后运行unique()时，我仍然得到以Jo开头的不同单词的原始列表，而不是整个单词Joburg。
浏览 6提问于2016-11-20得票数 2
回答已采纳
1回答
我正在处理R中的一个数据集，该数据集分为训练和测试。我对数据进行了预处理，使其居中并除以标准差，因此，我希望存储训练集的平均值和SD值，以便使用相同的值缩放测试集。但是，与使用colmeans和apply(x, 2, sd)函数相比，使用scale函数获得的精度要好得多。 set.seed(5)
a = matrix(rnorm(30000, mean=10, sd=5), 10000, 3) # Generate data
a_scale = scale(a) # scale using the scale function
a_scale_custom = (a - colMean
浏览 29提问于2021-10-23得票数 0
回答已采纳
我的数据有500000个观察值和7个变量。我将数据拆分，80%作为训练数据，20%作为测试数据。我使用插入符号来训练模型。下面是代码。我启动了它，花了很多时间，最终我不得不停止它。只是想知道我的模型中是否有问题，或者大数据通常需要很长时间？有什么建议吗？
library(caret)
set.seed(130000000)
classifier_rf <- train(y=train$active,
x=train[3:5],
data=train,
浏览 0提问于2018-04-23得票数 3
目前，我正在学习Coursera.org上的“机器学习”课程，主题是讨论不同条件下学习算法的性能。在这里，我们讨论了当该算法适合于训练数据(高偏差)的情况。
📷
我不明白为什么交叉验证错误(Jcv(theta))随着我们增加训练集大小(M)而减小，以及为什么它会变平。我不明白为什么训练错误在某个地区变平了，我理解为什么它随着m的增加而增加。我在coursera论坛上询问了这个问题，并研究了两次，但这对我来说还是没有意义。
请注意：
交叉验证误差( Jcv(theta) )是衡量算法对交叉验证集的拟合程度，Jcv越低(θ)越适合交叉验证集。
训练误差(Jtrain(θ))是衡量算法对训练集的拟合
浏览 0提问于2021-12-28得票数 1
回答已采纳
1回答
我们被告知要使用给定的数据绘制直方图和线条。我可以做出我认为正确的直方图。然而，我们被告知在密度函数中使用bw='sj‘。我不明白我该如何使用它。我试着把它放在hist()函数中，因为我认为它是一个参数，但我得到了一个错误，如下所示： 警告消息: 1:在plot.window(xlim，ylim，""，...)中："bw“不是图形参数2:在标题中(main= main，sub = sub，xlab = xlab，ylab = ylab，...)："bw”不是图形参数3:在轴(1，...)中："bw“不是图形参数4:在轴(2，...)中："
浏览 76提问于2020-11-02得票数 0
1回答
我想知道如何利用R的depmixs4包在数据集上运行HMM。我应该使用什么函数来获得测试数据集的分类？我有一个训练数据文件，一个标签数据文件和一个测试数据文件。训练数据由4620行组成。每行有1079个值。这些值是83个窗口，每个窗口有13个值，换句话说，1079是由83个状态组成的数据，每个类别有13个观察值。这些具有1079个值的行中的每一行都是一个口语单词，因此它有4620个发音。但数据总共只有7个不同的单词。这些不同的单词中的每一个都有660个不同的发音，因此有4620行单词。所以我们有单词( 0-6 )，标签文件是一个列表，其中每一行都被标记为0-6，对应于它们是什么单词。例如，行3
浏览 2提问于2015-05-10得票数 0
2回答
我有一个相当严重的问题，我已经很多天没能解决了！我不明白插入包的训练控制功能是如何在R中工作的，我需要交叉验证(10倍)的随机森林，并认为插入包一次只能自动选择一个测试集( 10 %的数据集)，并验证随机林中的随机林型( 90%的数据集)。web上的所有教程都输入了列车功能的培训集和预测函数的测试集.但为什么？！
具体来说，我需要分类一个二元类~尊重5个混合变量(逐步，从一对变量开始)，并研究特异性，敏感性，准确性和AUC。然后，我需要为模型选择最佳变量(最佳AUC)，并在模型中添加另一个变量，重复iter。
有人能向我解释一下它是如何一劳永逸的吗？如果有两个例子的手动循环交叉验证重复或自动使
浏览 3提问于2020-12-14得票数 1
我想对训练数据集中不断增加的行数(第一个实验使用10%的训练数据，第二个实验使用20%的训练数据，依此类推)执行10线性回归(波士顿数据集)，并评估测试集上的结果并绘制结果，将训练集的百分比用作X值，将测试集上的RSE用作Y值。我刚开始学r编码，有人能给我介绍一下吗？
sample <- sample.int(n = nrow(Boston), size = floor(.70*nrow(Boston)), replace = F)
train <- Boston[sample, ]
test <- Boston[-sample, ]
#I have the followi
浏览 2提问于2018-04-11得票数 1
1回答
我将数据集分为70%的训练集和30%的验证集。也有很多NaN变量，可能正因为如此，我无法训练我的数据。尽管如此，我还是能够将数据集区分为训练数据集和测试数据集。但是当我想训练的时候，我得到了这个错误("Error in na.fail.default(list(ndvi = c(0.426755102040816，0.409，0.501735849056604，：missing values in object") )。
我想使用NDVI估计生物量，然后看看与观察到的生物量的关系。
set.seed(123)
inTrain = createDataPartition(newd
浏览 16提问于2019-08-15得票数 0
回答已采纳
1回答
我有这种与内核svm相关的混淆。我看过，使用内核svm，保留的支持向量数量很大。这就是为什么它很难训练，而且很费时。我不明白这部分为什么很难优化。好的，我可以说有噪声的数据需要大量的支持向量。但这和训练时间有什么关系。
另外，我还读到了另一个，他们试图将非线性支持向量机内核转换为线性支持向量机内核。在线性核的情况下，它只是原始特征本身的点乘积。但在非线性的情况下，则是RBF等。我不明白他们所说的“操纵内核矩阵会造成巨大的计算瓶颈”。据我所知，核矩阵是静态的，不是吗。对于线性核，它只是原始特征的点乘积。在径向基函数的情况下，它使用高斯核。所以我只需要计算一次，然后我就完成了，不是吗。那么操纵和瓶
浏览 4提问于2013-04-13得票数 2
2回答
我正在训练一个使用LSTM对文本进行分类的网络。我为单词输入使用了一个随机初始化的可训练嵌入层。网络使用Adam Optimizer进行训练，并使用one-hot编码将单词输入网络。 我注意到嵌入层中表示的单词数量对训练时间有很大影响，但我不明白为什么。将网络中的单词数量从200'000增加到2'000'000几乎使一个训练周期的时间增加了一倍。 训练不应该只更新在预测当前数据点时使用的权重吗？因此，如果我的输入序列始终具有相同的长度，则无论嵌入层的大小如何，都应该始终发生相同数量的更新。
浏览 25提问于2019-01-17得票数 0
1回答
我从一个data.frame (或data_frame)开始，其中包含我的因变量Y变量、独立的X变量和一些"Z“变量--这是我在建模练习中不需要的额外列。
我想做的是：
创建一个没有Z变量的分析数据集；
将该数据集分解为随机训练和测试集；
找到我最好的模特；
使用该模型对训练集和测试集进行预测；
按行重组训练集和测试集；最后
按列将这些数据与Z变量重新组合。
当然，这是最后一步，出现了问题--我如何确保重组训练和测试集中的行与原始数据集中的行匹配？我们可能会尝试使用原始集合中的row.names变量，但是我同意Hadley的观点，这是一个容易出错的传说(我的话，不是他的) --为什么有
浏览 0提问于2015-02-28得票数 1
回答已采纳
我想用C++将脑部肿瘤的MRI图像分为良、恶性两类。在训练支持向量机分类器之前，我使用SIFT特征，并对它们进行聚类。我不明白的是为什么有必要这么做？据我所知，of意味着只对特性进行集群；它不会改变输入的大小。
我读过，可能的方法是BoW和直方图。在直方图方法中，它只是计算每个集群中的#特性，对吗？我不认为这将提供我需要的信息，以分类良性肿瘤和恶性肿瘤，因为它们可以是小的和大的。In BoW approach，我不明白这个。
基本上，我不知道如何处理我的SIFT特性来使用它作为SVM的输入。我真的要写一本字典吗？我求你了，请告诉我。非常感谢!
浏览 5提问于2015-08-07得票数 2
回答已采纳
1回答
数据规范化:它确保每个输入(在本例中为每个像素值)来自一个标准分布。这种标准化使我们的模型训练达到最小误差，速度更快！
我的问题是标准化，我不明白输入数据在0到1之间与渐变之间的关系是否更快，甚至是正确的(预测很好)，为什么我对一个深刻的数学证明很满意。
浏览 0提问于2020-11-05得票数 1
1回答
为什么当我们标准化整个数据集，然后只拆分成测试集和训练集时，情况会如此糟糕？ 我得到了我们的模型从归一化数据中提取整个分布信息，但我不明白它(分布知识)如何导致测试数据记忆。 有没有人能更详细地解释一下？ visual representation of the issue
浏览 17提问于2020-02-01得票数 0
回答已采纳
我尝试使用随机森林模型作为我正在测试的几个模型之一，包括神经网络(nnet和neuralnet)，它们都使用方便的caret软件包。随机森林模型支持因素的使用，因此对于这个模型，我认为我应该把它们作为因子，而不是使用dummyVars()将这些因素转换为数字对比。这在培训步骤(train() )中工作得很好：
library(caret)
#Set dependent
seed = 123
y = "Sepal.Length"
#Partition (iris) data into train and test sets
set.seed(seed)
train.idx =
浏览 3提问于2015-04-07得票数 1
回答已采纳
我使用OpenCV从照片中裁剪图像。从这个开始：
要这样做：
然后，我将其裁剪为5个不同的部分，具有不同类型的阈值和角度(在旋转矩阵2D中)，用于训练神经网络。现在我有45个类似的jpg文件，适用于从0到9的任何数字。但我不明白如何用我自己的数据训练它，而不是使用MNIST数据集来帮助我构建一个数字识别程序。我需要将img中的所有数字提取为文本。
浏览 1提问于2018-12-23得票数 0
1回答
我正在处理一个涉及100多个特性的大型数据集(这些特性都是相关的，因为它们已经被过滤了；原始数据集有超过500个特性)。我通过插入符号包中的train()函数并使用"ranger“方法创建了一个随机森林模型。
以下是一个问题:如何按重要性提取变量的所有，而不是仅提取前20位最重要的变量？默认情况下，varImp()函数只生成前20个变量。
下面是一些示例代码(减去训练集，它非常大)：
library(caret)
rforest_model <- train(target_variable ~ .,
data = train_data
浏览 5提问于2018-01-02得票数 6
回答已采纳
Q-1.如何将语料库的数据转换为适当的格式，以便使用“插入符号”包进行培训？
首先，我想为这个问题提供一些环境，我会告诉你我被困在哪里了。
环境
这是一个叫做rt的语料库。(R守则)
require(tm)
require(tm.corpus.Reuters21578) # to load data
data(Reuters21578)
rt<-Reuters21578
训练文档-术语矩阵是从dtmTrain训练语料库中生成的.(R守则)
dtmTrain <- DocumentTermMatrix(rtTrain)
我为这个项目总共上了10节课。类在每个文档的元
浏览 6提问于2015-12-15得票数 4
我是这个领域的初学者，我已经尝试学习了一段时间，并坚持使用这个链接中的快速入门指南。
我已经尝试过了，它的准确率在78%左右，效果很好，但问题是我不明白为什么“标签”由两个“幸存”的列组成，它们彼此相对。我已经训练了相同的数据，但只在标签或输出中使用了单个“存活”列，但使用相同的代码，我只获得了大约36%的损失，甚至没有损失甚至NaN损失。
那么为什么会有两列输出/标签呢？为什么我不能只使用一列呢？
谢谢
浏览 0提问于2017-12-24得票数 0
3回答
我目前正在研究tensorflow的分类问题，我对机器学习的世界很陌生，但我什么都不懂。
我已经成功地训练了这样一个输出y张量的模型：
y = [0,0,1,0]
但我不明白背后的校长..。
为什么不把相同的模型训练成输出类，比如y = 3或y = 4？
这似乎要灵活得多，因为我可以想象有一个包含200万个可能的类的多分类问题，输出一个0-2,000,000之间的数字比为每个结果输出2,000,000项的张量要有效得多。
我遗漏了什么？
浏览 8提问于2017-06-26得票数 1
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
