2回答
当我尝试使用经过训练的模型时，我得到这个错误:测试数据与模型不匹配。我不是这一切发生的原因。train = dat[train_ind, ]library('e1071')
svmfit = svm
浏览 13提问于2017-12-31得票数 1
然后，我有一个测试数据集的20部电影具有相同的栏。然后我跑并接受
Predict.svm中的错误(svm_model，测试)：测试数据与模型不匹配！从类似的帖子来看，错误似乎是因为培训和测试数据集之间的级别不匹配。这是真的，我通过比较str(test)和str(train)来证
浏览 0提问于2018-03-18得票数 0
回答已采纳
string 我使用String-to-Word Vector将其转换为一袋单词，运行SVM现在我有了我的测试数据，我想要预测他们的标签，我不知道。同样，它的头信息是相同的，但对于每个类，它都标有一个问号(?)我再一次对它进行了预处理，字符串到单词向量，类与训练数据处于相同的位置。我转到“分类”菜单，加载我训练过的SVM模型，选择“提供的测试数据”，加载测试数据</e
浏览 2提问于2013-03-16得票数 1
回答已采纳
1回答
测试数据由200行1096列组成(测试数据的特征与列车数据的特征相匹配)。我正在尝试使用插入符包中的svmRadial训练一个模型(反过来使用kernlab包)。训练效果很好，我也能够从模型中提取重要的特征。但是，当我尝试预测一个新的数据集时，它给出了以下错误：kernlab class prediction
浏览 0提问于2016-01-18得票数 2
我试图使用e1071包中的svm运行一个分类模型。分类变量称为“段”，这是一个具有6个层次的因子变量。数据框架中还有另外三个因素变量，其余都是数字变量。, data = training.data, cost = 1, kernel = 'linear', 模型运行得很好Parameters:SVM-Kernel:
浏览 2提问于2014-10-08得票数 2
我已经使用带有训练数据集的RTextTools包在R中创建了一个文本分类支持向量机模型。SVM<-train_model(train_container,"SVM")
使用saveRDS(SVM,file="SVM.rds")函数将上述内容保存在本地。在未来的一段时间内，我想使用这个预先训练的模型来预测新生成的数据的分类(newdata与训练数据相同)，而不是再次训练模型并在其上运行测试数据</em
浏览 1提问于2017-05-26得票数 0
matrix,train$TagId,trainSize=1:x, testSize=(x+1):nrow(train),virgin=FALSE)
maxent_results <- classify_models(containerclassify_models(container,maxent_model)
write.csv(maxent
浏览 0提问于2019-04-09得票数 0
) => {}).catch((e) => {});
我得到了一个错误
浏览 2提问于2018-07-13得票数 7
回答已采纳
1回答
我正在尝试构建一个模型，它结合了来自dataframe的数值特征和来自dataframe的文本特性。然而，我遇到了很多困难，成功地组合了这些特性，使用这些特性进行培训，然后测试这些特性。svm = SGDClassifier(loss='hinge', penalty='l2', svm.fit(X_train, y_train)
浏览 0提问于2019-02-18得票数 0
回答已采纳
2回答
首先，我尝试使用write.svm函数导出我的模型。我有模型文件和比例文件。我已经使用svm-scale -r model_file test_data扩展了我的测试数据，然后应用了svm-predict。但是我在R和libsvm中得到的结果是不同的。然后我尝试用我的训练数据训练libsvm，我再次得到了与e1071不同的预测。附注:我正在使用支持向量机的eps-回归类型
浏览 0提问于2013-01-16得票数 0
回答已采纳
我试图根据svm训练的模型来预测值。这就是我的培训和测试数据的样子：r00 r01 r02 r03
tuned <- svm(A ~., data = train[,c("A",featvecs[f,])], gamma = 0.01, cost = 10, kernel= "r
浏览 2提问于2016-10-13得票数 0
回答已采纳
我有两个数据集，一个训练数据集和一个测试数据集，我正在使用训练数据集和R上的tidymodels包创建一个SVM，作为SVM工作流的一部分，我正在进行特征选择，以选择5个表现最好的特征。然后，我尝试使用测试数据集来测试这个SVM。然而，当我试图预测测试数据集的分类时，尽管测试数据集中的变量与模型预测器匹配，但我还是收到了"The following required columns are missing&
浏览 5提问于2021-04-07得票数 0
我的训练部分如下：import numpy as np
bin_n = 16 svm_type = cv2.SVM_C_SVC,affine_flags = cv2= cv2.SVM()
svm.train(trainData,respon
浏览 11提问于2017-08-22得票数 1
回答已采纳
3回答
我开发了一个支持向量机模型，用于使用以下参数检测列车数据集中的欺诈：gamma.optimal <- 0.02svm_model1，我在一个测试数据集中对我的svm_model1进行了评估，以获得欺诈总量：sum(response)，它等于30.080美元：
predictions <- exp(predict(svm_model1对这些结果感到满意的是，我尝试执行相同的R脚本和相同的测试数据集，使用
浏览 2提问于2016-07-28得票数 2
1回答
SVM预测值下降
、、
我在一个数据集上运行支持向量机模型，它在列车/拟合模型上运行得很好。但是，当我为预测/测试数据运行它时，由于某种原因，它似乎是在丢弃行，当我试图将'pred_SVM‘返回到数据集中时，长度是不同的。下面是我的代码 SVM_swim <- svm(racetime_mins ~ event_date+ event_month +year
#Predict Race_Time Usi
浏览 0提问于2019-07-27得票数 0
回答已采纳
在R中使用e1071中的svm :我有以下代码：pred.svm1<-predict(svm1,data=Test,probability=TRUE)attr(pred.svm1,"probability")
浏览 0提问于2012-12-17得票数 1
1回答
支持向量机的最小化问题可以写成-
据我所知，选择参数使C\sum_{i = 1}^{m}{[y^icost_1(\theta^Tx^i) + (1-y^i)cost_0(\theta^Tx^i)]}部件成为0。我们关注的是第二部分。
他说认为，较大的C会导致较低的偏差和较高的方
浏览 0提问于2020-08-16得票数 2
1回答
在使用GATE工具对训练数据运行机器学习算法(SVM)后，我想在测试数据上对其进行测试。我的问题是，我是否应该使用相同的训练数据进行测试，同时，模型如何从测试数据中提取实体，而测试数据没有使用训练数据中学习到的注释进行注释。
浏览 2提问于2014-08-28得票数 0
1回答
为了了解不同机器学习模型的性能，在训练中考虑了不同数量的特征，对五种不同的机器学习模型进行了测试。这些模型分别是线性回归(LR)、贝叶斯岭(BR)、最近邻(NN)、随机森林(RF)和支持向量机(SVM)回归。测试数据集的确定系数(R2)用来表示经过训练的机器学习模型的性能。这些模型的精度依次为: RF>BR~LR~SVM>NN。前8位特征要求获得较好的射频精度，之后的精度几乎与顶级功能的数量无关。BR、LR和SVM
浏览 0提问于2020-06-16得票数 1
回答已采纳
我在python中创建了一个简单的Keras深度学习模型。训练中变量的总no为195，而未见的测试数据为181，所有输入字段都是分类的(由一个热编码转换)。由于看不见的测试数据有一些不同的类别，这就是为什么在一个热编码字段与train不匹配的原因。
因此，在对未见测试数据进行预测时，模型给出了以下误差。有什么出路吗？
浏览 0提问于2019-06-21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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
