python中的图像分类预测不准确
在Python中进行图像分类预测时，不准确的原因可能有多种。下面是一些可能的原因和解决方法：
- 数据集质量不佳：图像分类预测的准确性很大程度上取决于训练数据集的质量。如果数据集中存在标注错误、噪声或不平衡的类别分布，预测结果可能不准确。解决方法是确保使用高质量、准确标注的数据集，并进行数据清洗和预处理。
- 模型选择不当：不同的图像分类任务可能需要使用不同的模型架构。如果选择的模型不适用于特定的图像分类任务，预测结果可能不准确。解决方法是选择适合任务的模型，如卷积神经网络（CNN）等常用的图像分类模型。
- 模型训练不充分：模型需要通过大量的训练数据进行训练，以学习到有效的特征表示和分类决策。如果模型的训练数据量不足或训练迭代次数过少，预测结果可能不准确。解决方法是增加训练数据量，增加训练迭代次数，或使用迁移学习等技术来利用预训练模型。
- 特征提取不准确：图像分类任务中，提取有效的图像特征对于准确分类至关重要。如果特征提取方法选择不当或参数设置不合理，预测结果可能不准确。解决方法是使用经过验证的特征提取方法，如使用预训练的卷积神经网络进行特征提取。
- 数据预处理不当：在进行图像分类预测之前，通常需要对图像进行预处理，如图像尺寸调整、归一化、去噪等。如果预处理方法选择不当或参数设置不合理，预测结果可能不准确。解决方法是使用合适的图像预处理方法，并根据具体情况进行参数调整。
- 超参数调整不当：模型中的超参数（如学习率、批大小、正则化参数等）对于模型的性能和准确性有重要影响。如果超参数调整不当，预测结果可能不准确。解决方法是通过交叉验证等方法进行超参数调整，找到最优的超参数组合。
- 模型过拟合或欠拟合：过拟合和欠拟合是常见的模型训练问题，会导致预测结果不准确。过拟合指模型在训练集上表现良好，但在测试集上表现较差，欠拟合指模型无法很好地拟合训练数据。解决方法是通过正则化、数据增强、调整模型复杂度等方法来避免过拟合或欠拟合。
总结起来，提高Python中图像分类预测的准确性需要注意数据集质量、模型选择、模型训练、特征提取、数据预处理、超参数调整以及过拟合和欠拟合等问题。通过综合考虑这些因素，并进行相应的优化和调整，可以提高图像分类预测的准确性。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云图像识别：https://cloud.tencent.com/product/imagerecognition
- 腾讯云机器学习平台：https://cloud.tencent.com/product/tiia
- 腾讯云人工智能：https://cloud.tencent.com/product/ai
相关·内容
1回答
我看了一下上的基本例子，他们从MNIST数据库中创建了一个简单的数字分类器，非常酷。
他们拥有的教程代码是，但是他们对自己的测试映像使用分类器。我想试一试我自己的形象从枕头。
以下是我修改的部分：
from PIL import Image
# Test trained model
img = Image.open("09.png").convert('L')
data = np.ndarray.flatten(np.array(img))
result = sess.run(tf.argmax(y,1), feed_dict={x: [d
浏览 1提问于2017-12-06得票数 0
我试图分类的图像，可以代表3种状态。向上，向下或中间。
如果图像不表示向上或向下，则默认为中间。
我应该训练我的CNN的数据集包括所有三个，或只是上下？
这会使分类更准确还是更不准确？
浏览 0提问于2019-02-06得票数 1
回答已采纳
我在自己的数据集中使用示例。
接下来，我要对测试数据进行分类，并确定模型的准确性。
TFLearn API提供了model.predict()和model.evaluate()方法。
model.predict()给出了测试数据集中每幅图像的预测结果。如何利用这个结果来获得精确性？
model.evaluate()给出了测试数据的准确性评分。是否有一种方法来获得每批的准确性以及？
浏览 3提问于2016-09-02得票数 4
在python中，我使用随机梯度下降来执行多类分类，以最小化日志损失函数。
clf = SGDClassifier(loss="log", penalty="l2")
当我对测试集执行交叉验证时，对于数据的每次分割，我计算：
score = clf.fit(X_train, y_train).score(X_test, y_test)
是评价损失函数的分数？
对于每一个交叉验证分割，我的分数总是0.0。那么，这是否意味着我的分类器正确地标记了我的测试数据，还是意味着我的准确率很低？
浏览 5提问于2015-10-20得票数 3
回答已采纳
1回答
分类器与精度
、、、、
我想问你如何使用分类器和确定模型的准确性。我有我的数据集，我已经清理了文本(删除断点，标点符号，删除空行，.)。然后我把它分成火车和测试。由于我想确定一个电子邮件是否是垃圾邮件，我已经使用了常见的分类器，即朴素贝叶斯，支持向量机和逻辑回归。在这里，我只是包括我的火车和测试数据集:没有其他！我正在使用Python运行此分析。我的问题是:应该足够了还是应该实现新的算法？
如果你能给我一个例子，说明一个已经存在的算法是如何被改进的，那也是很好的。
我阅读了大量关于文本分类准确性的文献，在所有的论文中，作者使用支持向量机、Na ve Bayes、logistic回归等方法对垃圾邮件进行分类。但我不知道
浏览 0提问于2020-08-14得票数 0
回答已采纳
1回答
我使用Keras，Tensorflow编写了一个顺序分类器脚本。给定样本图像的目录路径，它是一个二值图像分类器来预测类。
我想在我的脚本中实现一个概率特性，其中包括类，给出了分类器预测的正确性概率。例如：
输入
img = image.load_img('dataset/test/sample/fff.jpeg', target_size = (img_width, img_height))
img = image.img_to_array(img)
img = np.expand_dims(img, axis = 0)
prediction = model.predict
浏览 0提问于2020-02-10得票数 0
1回答
我对图像有多个分类问题。有5个(不平衡)类，我使用不同的类权重。一般来说，每堂课只有几张训练图像：~56-238。
为了对它们进行分类，我使用了一个具有大量数据增强的神经网络。我有一个验证集，它的分布与火车集相同(但它每个类只有大约30%的图像)。
由此产生的丢失/准确性图表看起来有点奇怪(编辑:第二个图表包含术语“测试丢失”，但它是“验证损失”)：
📷
📷
我不知道如何解释这两幅图像:验证精度cleary增加，但验证损失没有太大变化。有人能帮我解释这些图表吗？
非常感谢
浏览 0提问于2018-11-20得票数 1
回答已采纳
1回答
我试图做一个鞋图像分类任务，并希望确保我的输入数据都有相同的方向。
大多数图片的鞋子指向右边：
但是有些鞋子指向左边：
我想确保所有的图像都指向右边，如果它们指向左边，我想要反映这个图像。Python中是否有一种自动检测图像正确方向的方法？
浏览 2提问于2020-05-21得票数 0
回答已采纳
1回答
如何评估我自己的文本分类器
、、、、
基于一些语言学理论，我已经编写了自己的文本分类器。分类器的最终结果是文章标题和二进制类别的元组对。
我还在我的金标语料库上使用了NB分类器，并使用Python中的Sci-kit学习库通过CV评估了它的性能。然而，我正在努力找出如何评估我自己的分类器的性能。:S
我非常感谢你的想法，因为我不是有经验的机器学习者。
谢谢,
古兹德
浏览 0提问于2016-05-11得票数 0
1回答
模型的预测概率与置信度相同吗？
、、、、
这个问题看起来很奇怪，让我举个例子来解释。
我们训练一个特定的分类模型来判断一个图像是否包含一个人。
在对模型进行训练后，我们使用新的图像进行预测。
预测结果表明，图像包含一个人的概率为94%。
因此，我是否可以说，信心水平是94%，因为图像可能包含一个人？
浏览 0提问于2018-10-09得票数 0
回答已采纳
1回答
由于我的地理信息系统软件的计算能力有限，我试图在R中实现随机森林，以便进行图像分类。我的输入是一个多波段TIFF图像，它被训练成一个ArcGIS文件(目标值0和1)。该代码在技术上可以工作，并产生有效的输出。当我查看混淆矩阵时，我得到以下信息：
0 1 class.error
0 11 3 0.214285714
1 1 13 0.071428571
这对我的数据来说是明智的。然而，当我在GIS软件中绘制出图像分类输出(二值为0和1的二值重分类tiff )时，它以100%的成功率预测了训练数据。换句话说，输出图像没有分类错误。当混淆矩阵
浏览 6提问于2019-10-22得票数 0
回答已采纳
我有一个卷积神经网络，它试图用图像(两个类，所以是二进制分类)来解决一个分类问题，使用乙状结肠。
要评估我使用的模型：
from tensorflow.keras.preprocessing.image import ImageDataGenerator
path_dir = '../../dataset/train'
parth_dir_test = '../../dataset/test'
datagen = ImageDataGenerator(
rescale=1./255,
浏览 8提问于2022-08-03得票数 -1
回答已采纳
1回答
我目前正在做一个项目，以执行图像识别。有一大组图像，我必须预测一个图像是否包含给定的特征。例如，输出可以是图片中是否有香蕉。
我想用SVM实现一个分类器，输出是或否，图像包含给定的特征。在两个输出的图像上训练SVM分类器最简单的方法是什么？在Python中有什么模板可以使用吗？非常感谢。
浏览 1提问于2016-04-17得票数 9
我不熟悉python，正在尝试使用SKLEARN库在python中运行决策树分类器，在运行代码时遇到以下错误：
ValueError:输入包含NaN、无穷大或对dtype太大的值(‘float32’)
我尝试使用我的excel数据表的一个较小的子集，并且代码能够使用我想要的结果来执行。所以我怀疑问题是我的数据集太大了。下面是导致崩溃的代码：
df_X = data_train[['DayOfWeek', 'Promo', 'StateHoliday']]
df_Y = data_train[['Sales_band']]
浏览 1提问于2018-11-07得票数 0
1回答
我已经在tensorflow中建立了一个CNN，用于对人和人之间的分类。我有相同数量的负面和正面训练数据，我将训练集中的图像随机化，我还在网络中使用dropout。问题是在训练过程中，在100步之后，小批量的准确率是40%，在200步时已经是85%。为什么增长如此之快？
浏览 1提问于2017-06-02得票数 0
我有两种性能比较的型号，一种是ResNet-9型，另一种是VGG-16型.它们正被用于图像分类。它们在同一测试集上的准确性如下：
ResNet-9 = 99.25%的准确度
VGG-16 = 97.90%的准确度
然而，从他们在训练过程中的损失曲线(如图所示)，我看到VGG-16比ResNet-9有更高的损失。
我对VGG-16和ResNet-9都使用torch.nn.CrossEntropyLoss()。我本以为ResNet-9会有较低的损失(因为它在测试集上表现得更好)，但事实并非如此。
这种观察正常吗？
浏览 10提问于2022-09-05得票数 0
回答已采纳
我对神经网络非常陌生，我正在训练CNN进行图像分类，在训练过程中，我得到以下信息：
📷
这告诉我训练的损失和准确性，验证的损失和准确性，如果我错了，请纠正我。
所以，我的问题是：
，这些量是什么？有什么方法可以理解我，如果我看他们的问题做得很好的话？
浏览 0提问于2020-12-09得票数 0
回答已采纳
1回答
我试图在Python中使用Keras进行时间序列分类。
我做了一个简单的CNN，想知道是否可以在每个时代随机选择完整数据集中的一个部分作为测试集？。
我对神经网络非常陌生，所以如果有任何原因，这是不可能的或不切实际的，我会感激清晰。
浏览 0提问于2017-05-03得票数 2
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
我正在试着测试我的非监督K-均值聚类是否能够正确地聚集我的数据。我有一个无监督的K均值聚类模型输出(如下面的第一张照片所示)，然后使用实际的分类对数据进行聚类。
📷
下面的照片是实际分类。我试图用Python测试我的K-均值分类(上面)与实际分类相比有多好。
📷
对于我的K-表示代码，我使用的是一个简单的模型，如下所示：
kmeans = KMeans(n_clusters=4, random_state=0).fit(myData)
labels = kmeans.labels_
对我来说，比较无监督的KMeans聚类模型与实际分类的效果最好的方法是什么？
浏览 0提问于2017-03-09得票数 7
回答已采纳
这段代码出了什么问题？我已经使用cleverhans API - generate_np方法生成了对抗性图像。并使用默认的cleverhans CNN分类器对图像进行分类。当我在生成图像后使用模型时，测试精度如预期的那样很低。但是如果我保存并重新加载模型，精度会太高。请检查这里的代码。 https://github.com/csesivakumar/Adversarial_Defense/blob/master/Cleverhans_generatenp.ipynb Python: 3.6
浏览 11提问于2019-06-05得票数 0
1回答
我在Python语言中有一个使用H2o的分类模型，它的AUC = 71%
但基于混淆矩阵的分类准确率仅为61%。我知道混淆矩阵是基于.5阈值的
我如何确定哪个阈值的准确率为71%？
浏览 17提问于2020-06-02得票数 0
回答已采纳
1回答
我正在进行卫星数据方面的培训。由于数据中的类分布极不均衡，因此本文采用随机多数欠采样的方法对神经网络进行训练，人为地平衡了每个班的训练样本数。在验证过程中，我不以任何方式对数据进行重采样。
📷
📷
在上面的图表中，橙色是训练的表现，蓝色是验证。验证精度和损失值比训练精度和损失大得多。即使训练正确率在90%左右，验证精度在某一时间点甚至达到0.2%。为什么验证指标波动得很厉害，而训练指标却保持相当恒定？
关于模型/数据的一些补充资料：
我用U网模型将卫星图像分割成三个土地覆盖类别。与原论文相比，U网模型在每一层的滤波器数只有原来的一半，在每次卷积后和激活之前，我都采用批归一化。该模型使用带有初始
浏览 0提问于2020-08-31得票数 1
我正在使用libsvm进行图像分类。为什么当我使用更多的特征进行分类时，我的预测精度会下降？难道不应该增加吗？我的数据集大小固定为1600个用于训练，400个用于测试。
浏览 2提问于2013-01-25得票数 2
ANN和KNN在鲍鱼数据集上使用Weka。
ANN正确分类实例的结果3183 76.203 %错误分类实例994 23.797 %平均绝对误差0.214均方根误差0.3349相对绝对误差58.6486 %
KNN结果|正确分类实例3211 76.8734 %分类错误实例966 23.1266 %平均绝对误差0.2142均方根误差0.3361相对绝对误差58.7113 %
KNN具有较高的精度，而ANN具有较低的误差。那么我应该说这两种算法中哪一种更好呢？准确性和误差哪个更可取?我所理解的是误差应该随着精度的提高而减少。但是这里的结果是opposite.Why，是这样的吗？
浏览 2提问于2013-05-30得票数 0
我用sklearn反复训练了大量数据块的支持向量机。每个csv文件都是图像的一部分。我用滑动窗做的。我使用partial_fit()来拟合支持向量机和定标器。特征是图像的RGBN值，我想将图像分类为0和1两个不同的组。
def trainSVMIterative(directory):
clf= SGDClassifier(learning_rate = 'constant', eta0 = 0.1, shuffle = False,n_iter_no_change = 5, warm_start = True )
sc = StandardScaler()
浏览 2提问于2021-04-30得票数 0
回答已采纳
1回答
清晰可分数据的概率级精度
、、、
我写了一个我认为是相当简单的SVM -分类器SVM=支持向量机。用具有不同参数的正态分布数据“测试”它，分类器的准确率为50%。怎么啦？
这是代码，结果应该是可复制的：
features1 = normrnd(1,5,[100,5]);
features2 = normrnd(50,5,[100,5]);
features = [features1;features2];
labels = [zeros(100,1);ones(100,1)];
%% SVM-Classification
nrFolds = 10; %number of folds of crossvalidation
ke
浏览 4提问于2017-09-13得票数 2
回答已采纳
3回答
对于二进制分类，我有一个具有55%负标签和45%正标签的数据集。
分类器的分类结果表明，该分类器的分类精度低于F1分。这是否意味着该模型对消极实例的学习要好于正面实例？
这甚至是有意义的，有准确性低于F1的分数？
浏览 0提问于2020-07-13得票数 6
1回答
我对resnet50进行了四类图像的培训。它的工作原理很棒，当我在这四种类别中的任何一种中的任何一种给它一个图像时--我基本上对这些类别中的图像有100%的准确性。
然而，当我给经过训练的Resnet50模型提供一个类似对象的图像，但不是在原来的四个类别中的一个时，预测返回到现有的四个类中的一个。我的意思是，在与每个类别的可能性一起返回的数组中，在许多情况下，其中一个类别的可能性基本上是1。
1.3492944e-07 9.9999988e-01 8.3132584e-14 1.4716975e-24
下面是模型被训练的图像的预测数组：
1.8217645e-27 1.0000000e+00
浏览 12提问于2022-03-01得票数 -2
1回答
我正在尝试使用scikit-learn构建一个优化的SVM分类模型，而且我在Python中还很新，在一般的ML中并不是这样。下面是我使用的代码：
# Training the SVM model on the Training set
from sklearn.svm import SVC
classifier = SVC()
# define evaluation
cv = RepeatedStratifiedKFold(n_splits=10, n_repeats=5, random_state=1)
# define search space
space = dict()
space[
浏览 2提问于2022-03-01得票数 0
回答已采纳
1回答
我有一个经过训练的scikit-learn分类器(Python)，我需要在Java程序中使用它。我知道我可以像下面这样存储我的python分类器(clf)：
joblib.dump(clf, 'my_model.pkl', compress=_)
我也知道有，我们可以在python中使用weka分类器，但我会以相反的方式操作。我需要一种方法将我的*.pkl文件加载到java程序中，创建另一个分类器(例如使用weka API)，并使用此文件中包含的信息对其进行初始化。有没有办法做到这一点？
浏览 1提问于2015-07-08得票数 2
我在Python中使用scikits.learn训练了一批RBF支持向量机，然后对结果进行了腌制。这些是用于图像处理任务的，我想做的一件事是在一些测试图像的每个像素上运行每个分类器。也就是说，从以像素(i，j)为中心的窗口中提取特征向量，在该特征向量上运行每个分类器，然后转移到下一个像素并重复。这对于Python来说太慢了。
Clarification:当我说“这太慢了.”我的意思是，即使是scikits.learn使用的Libsvm底层代码也太慢了。实际上，我正在为GPU编写一个手动决策函数，所以每个像素的分类都是并行进行的。
我是否有可能用Pickle加载分类器，然后获取描述如何从特征向量
浏览 2提问于2011-12-02得票数 8
回答已采纳
1回答
我正在使用多类分类问题，并使用XGBoost解决。唯一类的数量是7。
我得到了每个类别的分类报告，精确度，召回率和F1分数。
我没有任何可以在Python中尝试的编码线索。
我需要每个班级的平均精确度。是否有任何数学公式来计算每一类的准确率。
更新：
Test data per class samples:
Class # samples
0 13
1 16
2 9
SVM predictions per class samples:
Class # samples
0 13
1 15
浏览 49提问于2019-08-17得票数 0
1回答
多类分类:概率与校准
、、、、
我正在用不同的分类器处理一个多类分类问题，使用Python和scikit学习。我想使用预测的概率，基本上是比较不同分类器对特定情况的预测概率。
我开始阅读有关“校准”的内容，例如在和，我开始感到困惑。
我所理解的是:一个经过良好校准的概率意味着一个概率也反映了某个类别的分数。
这是否意味着，如果我有10个分布均匀的类，理想情况下，每个类的校准概率将在0.1左右？
我是否可以将predict_proba的概率(没有校准)解释为“分类器对于这个分类器是否是正确的类有多确定”？
希望有人能为我澄清这一点！)
浏览 0提问于2020-02-07得票数 3
在对数据进行预处理之后，比如缺失值替换和异常值检测，我使用随机和删除百分比过滤器使用WEKA对我的数据进行了分区。我的数据集是一个高度倾斜的数据集，其不平衡比例为6:1，对应于负类和正类。如果使用朴素贝叶斯分类器对数据进行分类，而不处理类不平衡问题，则查全率为0.623，准确率为83%。然而，如果我用监督的-instances -重采样或监督的-instances -电子样本过滤器来处理类不平衡(在平衡1:1之后)，然后应用朴素贝叶斯进行分类精度降低77%，召回率为0.456。
我不明白为什么当处理等级不平衡比率时，准确度会下降？
谢谢。
浏览 4提问于2022-06-22得票数 0
1回答
我用角码训练我的模型进行二值分类。我在ImageNet上使用了Resnet预器，我获得了95%的精度。在我的数据集中，我有9004张用于训练的图像分为两类，2250张用于测试的图像被分成两类。但是混乱矩阵给了我
4502 04502 0
有人能帮我知道这个执政官的意思吗？
浏览 2提问于2020-04-13得票数 0
我使用Matlab中的libsvm工具箱创建了一个分类器。它将所有正类数据归类为负类，反之亦然。我在做交叉验证时得到了很好的结果，但在测试一些数据时，我发现分类器的工作方式是错误的。我似乎不知道问题出在哪里。
有人能在这件事上帮助我吗？
浏览 4提问于2013-03-05得票数 3
我正在使用python进行多类分类(4个类)。为了分别获得每个类的结果，我使用了以下代码：
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)
cnf_matrix = cm
FP = cnf_matrix.sum(axis=0) - np.diag(cnf_matrix)
FN = cnf_matrix.sum(axis=1) - np.diag(cnf_matrix)
TP = np.diag(cnf_matrix)
TN = cnf_matrix.sum() - (FP
浏览 2提问于2019-05-11得票数 2
我用python制作了一个模型，并将其导出到tensorflow js。该模型将面部图像分类为情感，应该有7个类别。 我根据图像制作了一个张量，并使用了预测，如下所示： const prediction = model.predict(imageTensor); 我的预测是： Tensor {
"dataId": Object {},
"dtype": "float32",
"id": 415,
"isDisposedInternal": false,
"kept": fals
浏览 41提问于2020-10-05得票数 0
回答已采纳
1回答
多类分类中性能指标的计算
、、、
我使用XGBoost分类器将X射线图像分类为3类.我的问题是，当我使用混淆矩阵手动(手工)计算这些值时，它显示的值与分类报告中的值不同。即使我用所有的方程式来计算。请帮助我如何进行手工计算，以找到这些值(准确性，精确性和回忆)。
这是分类报告
precision recall f1-score support
0 1.0000 0.9052 0.9502 116
1 0.8267 0.9180 0.8700 317
2 0.9627
浏览 5提问于2022-06-15得票数 -1
回答已采纳
4回答
卷积神经网络训练
、、、、
我有一个关于卷积神经网络(CNN)训练的问题。
我已经成功地使用tensorflow训练了一个网络，它接受一个输入图像(1600像素)，并输出三个匹配它的类中的一个。
用训练好的类的变体测试网络得到了很好的结果。然而，当我给它一个不同的第四图像(不包含任何经过训练的3图像)时，它总是返回一个随机匹配到其中一个类。
我的问题是，我如何训练网络来分类图像不属于这三个训练图像中的任何一个？一个类似的例子，如果我针对mnist数据库训练一个网络，然后给它一个字符"A“或"B”。有没有一种方法可以区分输入不属于这两个类？
谢谢
浏览 6提问于2017-11-17得票数 0
4回答
利用卷积神经网络建立图像分类模型，经过5次classes.It训练，训练准确率为100%，测试准确率为82%。但是当我手动给出一幅图像进行预测时，该模型无法将它们分类为10幅图像该模型仅对3-4幅图像进行分类correctly.What是错误的吗？我该怎么办？?
浏览 3提问于2018-04-16得票数 0
3回答
判断哪些样本(很可能)分类不正确
、、、、
问题：
给出了一种用于图像分类的神经网络，其目的是开发一种算法来判断哪些图像是“有问题的”，并且该模型可能会对它们进行错误的分类。
讨论：
到目前为止，我已经想到了两种可能的方法：
将给定的图像输入到模型中，然后用不同的度量(一、二级置信度差、熵、基尼指数等)对模型的最大输出值进行分析。
对给定的图像执行某种图像处理(特征提取)，以获得一些特征，以表明图像是否会被正确分类。
问题：
你能给我提供更多关于第二种方法的建议吗？你认为什么类型的特征提取将有助于区分这些图像？
这里没有提到的任何其他想法都是受欢迎的。
浏览 0提问于2021-05-16得票数 3
回答已采纳
我正在使用Swift (即使我的问题不是关于语言)和Python来测试我的ML逻辑。我有训练数据：
("add a new balloon", "add-balloon")
("add a balloon", "add-balloon")
("get last balloon", "get-balloon")
("update balloon color to red", "update-balloon")
当我尝试使用朴素贝叶斯对新句子进行分类时，比如
classi
浏览 13提问于2017-03-15得票数 0
回答已采纳
2回答
PCA和朴素贝叶斯分类器
、、、
我正在用Python测试PCA和朴素贝叶斯分类器。
简而言之，使用数字的灰度图像数据库，我使用PCA进行降维，然后使用朴素贝叶斯进行分类。
我分别使用2,4,10,30,60,200,500,784个组件。我得到的分类错误率分别为: 0.25806452，0.15322581，0.06290323，0.06451613，0.06451613，0.10322581，0.28064516和0.31774194。我认为提取更多的成分总是可以提高分类的准确性。这是真的吗？如果是这样，那么我就做错了什么。
浏览 0提问于2018-02-07得票数 0
1回答
我正在执行钓鱼URL分类，我正在比较平衡的2类数据集(合法URL，phishy )上的几个ML分类器。
随机森林分类器、Ada Boost分类器、多树分类器和K分类器的分类准确率达到90%左右，假阳性率达到11~12%。(图)
另一方面，SVM、Logistic回归、多项式NB、Bernoulli NB等分类器性能较差，准确率在70% ~ 80%之间波动，假阳性率较高。
事情是这样的。我也尝试过高斯铌，虽然它的准确度是目前为止最差的58.84%，但它的假阳性率却非常低，只有2.14% (因此FNR很高)。
我不知道为什么会这样。有什么想法吗？
为什么有些分类器表现这么差，而另一些则不行呢？
我
浏览 0提问于2020-05-12得票数 0
回答已采纳
如果所有分类标签都可以用数值表示，这是否意味着我可以通过将分类标签编码为数字来在任何分类任务中使用回归模型？
我最近正在研究一个二进制分类问题，它有两种输出类型：'0‘代表正面，'1’代表负面。我使用随机森林分类器来解决这个问题，但我看到其他人使用随机森林回归来解决同样的问题。经过思考，这对我来说是有意义的--最终的期望输出是连续值，我可以训练一个回归模型来获得表示输出类别的预测连续值。
这让我思考是否可以在其他分类任务中使用回归模型。例如：
为了对“猫”和“狗”这两个图像进行分类，我使用LabelEncoder将其编码为0和1，然后它就变成了一个回归问题。
希望我的问题清楚了
浏览 23提问于2019-07-30得票数 0
回答已采纳
我正在colab上用32x32像素的图像进行图像分类实验；我有248张用于培训的图片和62张用于测试的图片(我知道这要少得多，但用于实验.)。只有两个类，我得到的数据如下：
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
training_set
浏览 4提问于2022-04-04得票数 0
我正在使用ffmpeg将视频转换成图像。然后，这些图像由我的Python程序处理。最初，我使用ffmpeg首先将映像保存到磁盘，然后用Python逐个读取它们。
这很好，但是为了加快程序的速度，我尝试跳过存储步骤，只处理内存中的图像。
我使用以下ffmpeg和Python子过程命令将ffmpeg的输出输送到Python：
command = "ffmpeg.exe -i ADD\\sg1-original.mp4 -r 1 -f image2pipe pipe:1"
pipe = subprocess.Popen(ffmpeg-command, stdout = subproc
浏览 0提问于2014-08-19得票数 2
回答已采纳
1回答
我理解如何使用诸如熵、基尼指数和方差减少等准则构造决策树(在ID3算法中)。但是这些标准的公式并不关心诸如准确性、召回、AUC、kappa、f1分数等优化指标。
R和Python包允许我在构建决策树时对这些度量进行优化。他们对这些指标中的每一个都有什么不同？变化在哪里发生？
对于不同的分类/回归算法，这些变化是否有一个模式？
浏览 0提问于2020-03-13得票数 1
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
