1回答
我使用随机森林对响应变量进行建模。当我查看OOB图时，均方误差随着树木数量的增加而直线下降。对这种下降的解释是什么？
浏览 78提问于2019-05-11得票数 0
1)为什么不能在输入空间的维度上增加特征的数量？1中的算法不限制最大特征的数量。在某些情况下，选择更高的max_feature可以得到更好的结果。2)我们希望使用ExtraTreeRegressor来实现拟合的Q迭代，其中我们在for循环中执行ExtraTreeRegressor (96个时间步)。首先，我们将max_features设置为1，并绘制每次迭代后的均方误差(上图)。然后我们将max_features增加
浏览 1提问于2014-06-19得票数 2
4回答
我一直在阅读关于兰登森林的文章，但对于过度适应的问题，我真的找不到确切的答案。根据Breiman的原始文件，增加森林树木的数量不应过分，但似乎对此还没有达成共识。这给我在这个问题上造成了一些混乱。
浏览 0提问于2014-08-23得票数 37
回答已采纳
我想知道是否使用随机森林模型的输出作为神经网络的输入之一，而另一个输入是原始数据，目标保持不变，是否可以改进模型？为什么要增加额外的复杂性呢？基本上，这个问题是一个多维回归问题，尽管随机森林得到了较小的均方误差，但是神经网络在保留目标标签的某些属性时是bette的。还是会彻底过火呢？
浏览 0提问于2018-07-18得票数 0
2回答
为什么在损失函数中使用平均值而不是总和？到这个 loss = tf.reduce_sum(tf.abs(y_true-y_pred))在Keras
浏览 2提问于2018-12-10得票数 2
1回答
神经网络与随机森林性能差异
、、、、
我开始使用单独的训练和测试集，但是暂时搁置了测试集，因为关于训练性能是否泛化到测试的问题，在获得训练成绩之前是不会出现的。
该数据集上的简单线性回归的均方误差约为0.14。我实现了一个简单的前馈神经网络，用编写并复制了下面的代码，经过几百次训练后，它的均方误差为0.14。我只是想得到训练数据的均方误差，而不是0.14。没什么不同的。仍然是0.14。现在，显而易见的结论是，对于这个问题，0.14是最好的，只是当
浏览 0提问于2019-12-11得票数 1
回答已采纳
这是我的培训进度栏：我在tf.keras中使用tf.keras回调和监视val_loss作为一个度量来保存最佳模型权重。就像你在图像中看到的，
我理解这种差异并不大，但在这种情况下，在不平衡的数据集上相信什么是理想的标准呢？
浏览 4提问于2020-05-24得票数 1
我正在使用BigDecimal进行一些浮点运算。如果您将5除以4.2，您将得到一个异常(因为结果有一个不能由BigDecimal表示的非终止扩展)，即BigDecimal fourPointTwo = new BigDecimal("4.2");
five.divide(fourPointTwo) // ArithmeticException: Non-terminating decimal expansion; no exact representable decimal resu
浏览 1提问于2011-12-19得票数 1
回答已采纳
2回答
在CSV文件中，我有两列X1和X2，它们是介于1和60之间的随机数。我想预测测试数据的y值。但是我的模型误差太大了。print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(y_test.to_numpy(), y_pred)))均方误差: 129653.26345373654
均方根误差</
浏览 0提问于2019-11-07得票数 0
结果如下，
很高兴看到测试损失正在减少，但正如我在Andrew Ng的ML类中了解到的那样，如果我有一个像DNN这样的强大模型，那么训练损失应该会随着我递增地添加更多的训练数据而增加，而测试损失应该会减少
浏览 3提问于2017-03-30得票数 4
回答已采纳
1回答
我有一个rbf支持向量机，我正在调整与网格搜索SVM。我如何判断我的好成绩是否真的是好结果，或者它们是否过分合适？
浏览 3提问于2016-03-15得票数 3
回答已采纳
6回答
随机森林sklearn
、、、
我对随机森林是否需要显式交叉验证感到困惑？在随机森林中，我们有现成的样本，这可以用于计算测试精度。是否需要显式交叉验证。在随机森林中显式使用CV有什么好处吗？基于下面的代码，我发现很难理解随机森林中的CV是如何工作的：
model = BaggingClassifier(base_estimator=cart, n_estimators=num_trees,
浏览 0提问于2018-10-11得票数 2
2回答
首先，我感到困惑的是，在所有树的每个节点上，我们是随机地从所有的树中挑选出要进行最佳分割的特征，还是每棵树都有一个随机的特征子集，然后该树中的所有节点都必须与这些特征一起工作？现在，不管我们是在树还是节点级选择随机特征，为什么要为每棵树选择随机子集的数据呢？因为如果在树/节点级别的特征是不同的，树将是不同的。为什么我们需要添加另一个层次，使数据的分布也是随机的树，而不仅仅是将完整的原始数据集提供给树。
浏览 0提问于2019-04-25得票数 1
4回答
我知道高方差会导致过度拟合，而高方差是因为模型对异常值很敏感。
但我可以说，方差是，当预测点太长时，会导致高方差(过拟合)，反之亦然。
浏览 0提问于2018-12-10得票数 1
2回答
问题是，我通常得到的c的值在它的界限中是最小的，而在这个演示数据中，它(即，c参数)假设非常接近2，因为数据表示一个椭圆。
对于解决此问题的任何帮助和建议，我们都将不胜感激。
浏览 45提问于2019-11-26得票数 2
我完成了一个随机森林模型的特征重要性。我删除了17个特性中的最后4个功能。模型的性能实际上得到了改善。如果有些数据丢失了，那么在删除某些特性之后，性能不应该下降吗？有什么原因可以解释绩效的提高？
浏览 0提问于2019-10-19得票数 5
回答已采纳
编写了下面的代码来学习XOR函数，但是大约有一半的时间网络不学习，每个时代之后的损失保持不变。train_c = [[0], [1], [1], [0]]test_c = train_c
import tflearn
Y_xor = [[0.], [1.], [1.], [0.]]
with
浏览 12提问于2016-05-11得票数 10
回答已采纳
我使用自定义C++代码，并编写了一个简单的“均方误差”层。暂时将它用于“分类任务”，而不是简单的回归。...maybe --这会引起问题吗？{ h0, h1, h2, g3, h4, h5, h6, h7 } //8x8 matrix (contains 64 different values)
这个矩阵的每一行都被传递到我的“均方误差在进行渐变检查时，我正在查看
浏览 0提问于2020-04-18得票数 3
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
