1回答
我尝试使用python包"Orange“进行交叉验证。这个库看起来很不错，但我对它有一些问题。在这里，如您所知，在交叉验证循环中处理离散化和特征选择是很重要的。换句话说，对于每个交叉验证循环，(1)仅对训练数据进行离散化，并对测试数据使用相同的装箱切割；(2)从训练数据中获取重要特征<
浏览 6提问于2016-12-07得票数 1
1回答
我有一个包含模型特征的大型稀疏矩阵(95000,12000)。我想用python中的Sklearn.cross_validation模块做一个分层的K折叠交叉验证。然而，我还没有找到一种在python中索引稀疏矩阵的方法。
有什么方法可以在我的稀疏特征矩阵上执行StratifiedKFold吗？
浏览 1提问于2015-11-08得票数 0
1回答
使用随机森林，是否可以确定哪些特征是驱动特征，以便将特定样本分类为A类？问一个随机森林的问题有意义吗？关于如何在python中使用sklearn实现它的额外积分:)问题已经在这里被交叉回答了：https://stats.stackexchange.com/questions/174229&#
浏览 0提问于2015-09-25得票数 2
1回答
在特征选择之前或之后采样
、、、
我对特征选择、采样和交叉验证的顺序感到困惑，我的数据集有468行和23000列，其中269个属于I类，199个属于II类，当拆分训练和测试时，训练.Due中的数据有215个I类和159个II类，以减少样本数量我不得不对训练数据应用I)先应用过采样，然后应用特征选择技术，然后进行交叉验证:在交叉验证过程中，可能会由于过采样导致重复行而导致偏差。II)首先应用特征选择技术，然后进行过采样，然后进行交叉验证，这将导致与上述相同的偏差。III)首先应用特征选择
浏览 133提问于2020-08-12得票数 1
1回答
Sklearn特征选择
、、、
带有交叉验证(RFEVC)的递归特征消除(RFEVC)不适用于多层Perceptron估计器(以及其他几个分类器)。
我希望在许多分类器中使用一个特征选择，执行交叉验证来验证其特征选择。
浏览 4提问于2016-12-11得票数 2
1回答
这个问题通常与所有自动特征选择方法有关。在我的特定场景中，我们有一个称为茶鲜和多类分类的python包。我想实现什么？由于特征选择往往是一个相当苛刻的任务，我有很多模型，使用CV与5k倍的分裂大大增加了计算时间。如果我使用tsfresh执
浏览 0提问于2022-06-20得票数 1
我希望从包含13000+行和162个预测变量的数据集中对贷款违约者进行分类，即0用于非违约者，1用于违约者。预测变量由范畴序数、范畴标称和连续变量以及虚拟变量组成。我希望这能解释这个问题。
浏览 2提问于2022-06-10得票数 0
1回答
Scikit-learn库支持递归特征消除(RFE)及其交叉验证版本(RFECV)。RFECV对我非常有用，它选择了一些小的特性，但是我想知道RFE的交叉验证是如何完成的。所以我认为RFECV会计算交叉验证分数，去掉1乘1的特征。
但是如果使用交叉验证，我认为每个折叠都会选择其他特性，因为数据是不同的。有人知道在RFECV中如何删除功能吗？
浏览 0提问于2016-01-10得票数 1
回答已采纳
我是一个地理空间专家，不是数学家或程序员。所以请不要因为我不正确的措辞或糟糕的编码而责备我。我只是在寻求帮助。A = numpy.array(matrix)
eigenvalues, eigenvector=numpy.linalg.eig(A)eigenvalues=numpy.float32(eigenvalues) #float3
浏览 1提问于2016-11-30得票数 1
在使用scikit-learn对文本文档进行分类时，您是先进行交叉验证，然后再进行特征提取，还是采用其他方式？FeatureExtractor()), ], n_jobs = -1)
我用下面的方法来做，但是我想知道我是否应该首先提取特征并进行交叉验证
浏览 2提问于2015-09-23得票数 0
为了提高培训效率，我希望在我的数据集上执行特征选择。但是，我对如何处理包含分类和数值特性的数据集感到困惑。我试图通过交叉验证(RFECV)实现对整个特征空间的递归特征删除。python熊猫科学-学习特性-选择
浏览 0提问于2020-07-15得票数 7
我的数据集包含40个测量对象(MO)中每个对象的112个特征向量。共有4480个特征向量，平均分为4个类别，533个特征。(这里有更多关于的信息)在分割数据集(训练:34 MO，测试:6 MO)和减少特征数目之后，主要通过主成分分析( PCA )，我用KFold对不同模型的超参数进行了调整。我的教授说不行，交叉验证本身就已经过时了。这违背了我对机器学习最佳实践和sklearn交叉验证的基本理解。
在预测/评估时，我是否必须考虑测试集中每个MO的特征</em
浏览 3提问于2020-12-18得票数 0
回答已采纳
1回答
SVM的参数选择
、、
对于支持向量机的参数选择，可以进行嵌套交叉验证。问题是，我最终也需要最佳参数的值。我该怎么做？我不应该做嵌套的交叉验证，只循环所有参数并进行交叉验证吗？
其次，如果我使用线性支持向量机，然后使用这个加权向量w来确定特征的重要性，那么它是否也适用于非线性支持向量机(
浏览 2提问于2015-06-18得票数 1
回答已采纳
2回答
我在dataset上运行了随机森林(不平衡的二进制目标类)，并使用交叉验证来调优参数，并使用递归特征消除和交叉验证来获得特征子集。但是概率阈值呢？
浏览 0提问于2017-01-18得票数 1
我看过几篇关于特征选择(包装器和嵌入式方法)的文章和例子，他们把样本数据分成训练集和测试集。我理解为什么我们需要使用交叉验证(将数据分成训练集和测试集)来构建和测试模型的分数(所提出算法的实际预测)。 但我不明白这样做的动机是什么？我们需要选择哪些特征没有真正的结果，那么它如何改进特征选择的过程呢？ 好处是什么？
浏览 37提问于2020-04-04得票数 0
1回答
如何进行实时数据的特征工程？
、、、、
我用以下步骤建立了一个很好的线性回归模型：
我的问题是，如果我们在生产环境中使用这个模型，那么我们如何进行实时数据的特征工程，因为这个模型是用特征归一化和缩放的来建立的，那么如何对实时数据进行规范化和缩放以得到一个很好的预测呢？对于交叉验证和测试步骤，我们不需要显式的特征工程，因为在建立模型之前，这可以在数据预处理步骤中完成。实时数据特征
浏览 2提问于2017-03-01得票数 0
1回答
我在python中编写了一段代码，使用scikit-learn模块执行支持向量机分类，并进行递归的特征消除和交叉验证：rfecv = RFECVStratifiedKFold(y_train, 2), scoring='f1') rfecv.fit(X_train, y_train)
不幸的是，我无法理解为什么使用交叉验证模型交叉验证的模型是否表示基于预测
浏览 2提问于2015-03-24得票数 0
回答已采纳
2回答
我有一个在中被问到的同样的问题：
我有一个关于在sklearn中使用交叉验证来进行文本分类的问题。在交叉验证之前向量化所有数据是有问题的，因为分类器会“看到”测试数据中出现的词汇表。我的意思是，对于每一个折叠，特征集将是不同的，因为训练数据是不同的。但是，由于我正在对分类步骤和分类步骤之间的数据进行大量处理，所以不能使用管道.并试图把我自己的交叉验证作为整个过程的外部循环.关于这方面的任何指导，因为我对python和镰状体学习都相当陌生。
浏览 5提问于2016-06-25得票数 2
回答已采纳
我有四种不同的特征选择技术，向后消除，拉索，feature_importances和递归特征选择。每种技术返回的结果略有不同。例如,拉索:展开移动，然后传播递推:价差
在从不同的模型中选择特征时，是否有标准的方法？
浏览 0提问于2020-12-17得票数 1
1回答
带自定义标准的前向特征选择
、、、、
我正在尝试为我的数据获取最好的特征进行分类。为此，我想尝试使用SVM，KNN，LDA和QDA进行特征选择。此外，测试这些数据的方法是留下一个方法，而不是通过将数据拆分成多个部分来进行交叉验证(基本上不能拆分一个文件/矩阵，但必须留下一个文件用于测试，同时与其他文件一起训练) 我尝试在Matlab中使用支持向量机的sfs，但一直只得到第一个功能，没有得到其他功能(有254个功能) 有没有办法在Python或Matlab中做到这一点？
浏览 15提问于2020-06-27得票数 0
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
