1回答
我有很多关于品牌和这些品牌的商品的数据。我正在做的是对一系列回归模型进行GridSearch，并将最佳估计器添加到字典中。所以看起来是这样的- {'Kellogs': {'Fruit Loops': MLPRegressor(<best parameters>)}} 然后它预测，一个盒子的价格是2美元。问题是，当我在本地训练它时，它运行得如此<em
浏览 29提问于2019-12-08得票数 0
1回答
我正在构建一个预测模型，我在此模型上预测客户是否会再次订阅。我已经有了数据集，问题是它是不平衡的(NO比YESs多)。我相信我的模型是有偏差的，但当我检查训练集和测试集的准确性与预测的准确性时，准确率非常接近(训练集0.8879，测试集0.
浏览 2提问于2020-03-17得票数 0
因此，假设我创建了一个逻辑模型来预测谁将根据一个基于电子邮件的列表打开一笔贷款，其中包括谁打开了，谁没有，这是90%的准确性。该模型指出，年龄、收入、银行业务是决定谁开设贷款的三个关键变量。有没有一种方法可以将这个模型应用到不同的电子邮件列表中，使用相同的变量来预测谁将开设贷款？又或有多少人会开立贷款？或者，我只需要自己分析列表上的数据就可以确定
浏览 0提问于2021-05-10得票数 0
回答已采纳
我已经训练了一个K均值模型，比如输入特征(A，B，C，D和E).现在，在进行预测时，我希望只使用较少的特征数(A、D、E)来进行模型预测，而不是最初训练的特征数(A、B、C、D和E)。根据对上述事实的理解，我有以下问题：它会影响模型的准确性
浏览 0提问于2021-01-12得票数 2
3回答
训练数据Vs。测试数据
、、、
这可能听起来像是一个基本的问题，但我对训练集和测试有一个很大的困惑。让我们举个例子。我们将预测一家银行的贷款违约者，我们有德国的信用数据集，其中我们预测</
浏览 2提问于2017-09-10得票数 1
1回答
我用Keras训练了一个ANN二进制分类器。该方法具有90%的准确度。经过测试，当我再次预测相同的数据，但只通过一个类别时，准确率就会下降到40%。我发现，如果我在预测时通过混合类，那么它将给我大约90%的精度；如果我只通过一个类的数据点，那么精度就会降低，.As，我也会增加其他类的数据点，那么精度就会提高。长话短说。案例1:从
浏览 0提问于2019-09-12得票数 1
回答已采纳
4回答
首先，我必须说，我是这个人工智能的初学者。我学习了大部分关于股市预测的教程，它们几乎都是一样的。这些教程使用数据集并分成两组。第一组是训练集，第二组是测试集。他们利用股票的收盘价来训练和制作模型。从该模型中，他们插入包含收盘价的测试数据集，并显示两个图表。然后他们说，实际的和预测的图表几乎是一样的</e
浏览 5提问于2020-02-18得票数 6
1回答
这是使用Roberta (BERT)进行多标签分类任务的训练和开发单元。第一部分是训练，第二部分是开发(验证)。train_dataloader是我的训练数据集，dev_dataloader是开发数据集。我的问题是:为什么训练损失在逐步减少，而准确率却没有增加那么多？实际上，精度在迭代4之前是增加的，但是训练损失是减少的，直到最后一个时期( it
浏览 594提问于2021-01-17得票数 0
因此，我使用了具有多个训练值的回归模型，并且我只预测了一个值，即测试集和预测只有一个值。现在，我想评估一下这个模型。我怎样才能找到错误分数？请帮帮忙。 我不能使用r平方，因为它只有一个值。那么，我该怎么办？？ 这只是我拥有的值，而不是完整的代码 y_test = [2615423.235]
y_pred = [2354948.6
浏览 20提问于2019-05-19得票数 0
2回答
我已经使用Keras的LSTM构建了一个模型，该模型可以检测堆栈溢出上的两个问题是否重复。当我运行模型时，我在纪元中看到了类似这样的东西。==========================] - 67s - loss: 0.3136 - acc: 0.8581 - val_loss: 0.3518 - val_acc: 0.8391
我正在尝试理解这些术语中的每一个的含义上面的哪个值是我<
浏览 1提问于2018-07-15得票数 20
回答已采纳
我正在训练一个CNN模型，它需要对4个物体进行分类。3个杯子(白色，黑色，蓝色)和1个玻璃杯。当我训练我的模型只有10个时代，我得到了25%的验证准确性，其中所有的东西都被标记为白色杯子。然而，当我训练同样的模式更长的时间，它最终偏离了这25%的准确性，并上升到80%，它唯一的问题，是分类的白
浏览 4提问于2020-05-28得票数 1
我已经训练了一个目标检测模型，并在真实图像上获得了很好的预测精度。我的问题是，在生产流程中使用模型时，如何不断提高模型的准确性。我可以手动检查预测结果，找到错误的预测，手动标记这些图像，然后将这些图像与原始训练数据混合，继续训练模型。我还没试过呢。但我猜，从
浏览 0提问于2018-06-05得票数 0
2回答
我正在处理一个数据科学问题，我遇到了这个问题。我得到了非常好的精度和Y_validation和预测的误差( model.predict(X_validate) )之间的非常小<em
浏览 23提问于2020-05-23得票数 1
我已经为mnist图像分类构建了一个凸集，如下所示:我使用队列从磁盘批处理中读取图像(Png)，并将其传递给训练操作(我现在对此相当满意)--在训练过程中，我在一定数量的步骤上评估我的精度操作。我用Saver对象保存模型，可以看到磁盘上正在写入元和检查点文件。
现在真正的挑战是在训练完成后恢复模型，并将其用于新图像的预测
浏览 4提问于2017-06-12得票数 1
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。，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
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：但现在我得到了这个准确性：
如果
浏览 8提问于2022-08-03得票数 -1
回答已采纳
1回答
我正在使用下面的代码对图像进行人脸识别，这也是在模型训练中使用的。但是当我在同一张图像上运行预测时，我得到了非常奇怪的结果，其中它检测到了不正确的多个人脸。0.45, (0, 0, 255), 2)cv2.imshow("Image", image)
理想情况下，模型应该已经学习了图像，并且应该在已经训练好<
浏览 11提问于2020-07-30得票数 0
我使用tensorFlow训练了一个分类网络，并在每个卷积层中进行批量归一化。当我预测一个平衡测试集，其中包含的每一个类别，准确性是正常的。但是，如果我从测试集中选择了任何一个特定类别，准确率就会很低，甚至为零。但当测试集中包含3个类别时，测试结果的准确性就越高。我们都知道，当模型完成训练时，重量是固定的。但我发现测试集中的平衡对预测</
浏览 2提问于2017-06-19得票数 0
回答已采纳
1回答
如何测试经过训练的张量流模型
、、、、
我目前有一个回归模型，它试图根据其他25个值来预测一个值。下面是我目前给出的代码import numpy as nprng = np.randomtf.initialize_all_variables()
sess.run(init)
sess.run(train)
浏览 1提问于2016-06-30得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
