我编写了一个Python脚本，它使用scikit-learn将高斯过程与一些数据进行拟合。简而言之:我面临的问题是，虽然高斯过程似乎很好地学习了训练数据集，但对测试数据集的预测是错误的，在我看来，这背后存在规范化的问题。
具体来说:我的训练数据集是一组1500时间序列。高斯过程</em
浏览 36提问于2019-10-26得票数 0
回答已采纳
我正在尝试在sklearn中优化分类器和回归方法的hiperparameters。我有个问题。为什么在评估结果时，您选择例如最佳训练精度，而不是在测试中评估此结果，并使用其他训练精度迭代其他值以获得最佳测试精度？因为很明显，用于最佳训练精度的参数与用于最佳测试精度的参数不同。
谢谢!
浏览 1提问于2019-09-18得票数 0
我用GA和反向传播训练了一个神经网络。GA为训练数据找到合适的权重，但在测试数据上表现不佳。如果我用BackPropagation训练NN，它在测试数据上的表现要好得多，即使训练误差并不比GA训练的版本小很多。即使我使用GA获得的权重作为反向传播的初始权重，NN在测试
浏览 3提问于2017-08-24得票数 0
这样的问题很难调试，但是您希望在datascience.stackexchange.com上找到比这里更多的帮助的准确率小于20%。我希望能用MNIST做0~9的数字识别，训练准确率达到97%，我想重新组合我的图片会很好
浏览 0提问于2022-11-22得票数 1
我训练了一个50年代的模型，按照以下比例分割数据集：
X = np.load(....)从历史上可以看出，验证的准确性/损失与培训的准确性/损失非常相似。有时验证损失甚至低于训练损失。
浏览 1提问于2021-01-08得票数 1
回答已采纳
2回答
我正在尝试实现一个用于序列预测的LSTM模型。训练后，该模型在训练数据上表现良好，但在测试数据上表现不佳。以下是对训练数据的模型预测下面是对测试数据的模型预测总数据计数为429。350我用来训练和休息测试数据。我有1个LSTM层，有30个单元和一个密集
浏览 1提问于2020-07-16得票数 0
1回答
我正在研究一个分析性肿大的检测/分类问题。数据集是不平衡的，所以我使用f1评分作为度量来验证模型的性能。该模型在GridSearchCV拟合过程中表现良好，在测试集上也表现良好。
然而，当我用新的
浏览 5提问于2022-10-09得票数 1
我知道，在火车和测试集中有太多相似的数据是不可以的(例如，两张图片仅相差一个像素)。我试图找到一个科学上有效的解释为什么它是坏的，我指的是在同行评审的期刊上的一篇论文，解释(甚至提到)这一点。几个小时都找不到合适的东西。你知道可靠的消息来源吗？
浏览 0提问于2023-04-11得票数 1
回答已采纳
1回答
预测可见和未见数据的差异
、、、
我试着用看过和看不见的数据测试我的模型(见过的数据是我用来学习模型的数据)。我发现，只要我增加了所见特征的数量，就可以正确地预测所见数据，而当使用特性选择技术时，就可以正确地预测未见数据。
浏览 0提问于2019-05-10得票数 1
回答已采纳
1回答
为什么NN不能很好地预测？
、、、、
请帮助我理解为什么当训练测试准确率为0.97时，预测不能正确工作。输入数据为32500 (5个手势，6500个图像) RGB图像，像素为640x480。已加载并调整大小的图像IMG_WIDTH = 100，IMG_HEIGHT = 77。下面是加载、调整图像大小并返回np.array的函数。images.append(image_resized) 这
浏览 1提问于2021-07-02得票数 1
基本上，我是数据科学领域的新手，和I'm getting a little bit of confusion about overfitting and underfitting.过度拟合和不拟合完全取决于数据集的数量或数据的行为吗？
有谁能解释一下过度拟合和不合适的术语，以及如何处理这类问题？
浏览 0提问于2020-09-16得票数 -1
回答已采纳
1回答
prob)print("Number of retinas without PDR: ",nonPdr)nonPDR >>> 16_left.jpegnonPDR >>> 16_right.jpeg[[0.09434311]]
nonP
浏览 11提问于2019-10-20得票数 0
回答已采纳
我的验证准确率达到了100%，几乎停留在过去的100个时期左右。而训练准确率在98%到99%之间。我使用的是具有2个隐藏层的神经网络。这是一个多类分类问题。训练数据的大小为777385，验证率为20%。
浏览 46提问于2019-06-18得票数 0
回答已采纳
2回答
测试数据的用途是什么？只是为了计算分类器的准确率吗？我正在使用朴素贝叶斯对推文进行情感分析。一旦我使用训练数据训练我的分类器，我就使用测试数据来计算分类器的准确性。如何使用测试数据来提高分类器的性能？
浏览 0提问于2015-03-02得票数 0
我已经将一个自定义的Keras模型转换为Tensorflow.js的layersModel。我通过上传图像并在上传完成后调用预测来测试模型。用于预测的代码片段：let offset = tf.scalar(255)const video = docume
浏览 0提问于2020-08-05得票数 0
1回答
我有一个关于这种情况的问题。如果我有一个黑盒，它只包含一个特定模型的代码，比如支持向量机，盒子里没有任何其他信息。谢谢。
浏览 1提问于2014-10-17得票数 0
2回答
如果是，我该怎么做才能得到准确的结果？我还不能识别这样的事情，比如回归线是过拟合还是欠拟合，或者是准确的，所以关于这些的建议也将受到赞赏。
浏览 18提问于2019-03-15得票数 0
回答已采纳
2回答
loss: 0.1350 - accuracy: 0.7074 - val_loss: 0.1711 - val_accuracy: 0.5299val_loss goes from 0.1511 to 0.2011
val_accuracy goes from 0.4011 to 0.7011
浏览 2提问于2020-11-18得票数 0
回答已采纳
2回答
我今天想知道，在学习神经网络时，动态地从训练数据集中删除数据是否是一种好方法。假设有一个分类任务，这种方法将类似于回到1。使用这种方法，可以减少训练时间，同时保持模型的准确性。有人知道这是什么可
浏览 0提问于2023-02-07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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
