从分类器的精度结果计算标准误差？
从分类器的精度结果计算标准误差的步骤如下：
- 首先，确定分类器的精度结果。精度是指分类器正确分类的样本数与总样本数之比。
- 然后，计算分类器的误差率。误差率是指分类器错误分类的样本数与总样本数之比。
- 接下来，计算标准误差。标准误差是误差率的标准差除以样本数的平方根。
- 最后，根据标准误差的计算结果，可以评估分类器的稳定性和可靠性。标准误差越小，表示分类器的结果越稳定可靠。
分类器的精度结果计算标准误差的目的是为了评估分类器的性能和可信度。标准误差可以帮助我们判断分类器的分类准确性，并且可以用于比较不同分类器的性能。在实际应用中，我们可以根据标准误差的大小来选择最适合的分类器。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
- 腾讯云大数据分析平台（https://cloud.tencent.com/product/emr）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/saf）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云元宇宙（https://cloud.tencent.com/product/vr）
相关·内容
我有一个数据集。数据集有一些分类值和一些离散值。我的数据集是一个不平衡数据集。我使用Weka提供的Resample过滤器将数据集分为60%的训练数据和40%的测试数据。为了使数据集平衡，我使用了SMOTE技术。在那之后，我使用随机森林对数据集进行分类。
结果是
现在我不能理解结果中的?是什么意思？其次，为什么假阳性和真阳性没有价值？这是否意味着即使在应用SMOTE之后，数据集仍然偏向于No类
注意:我只在训练数据上应用了SMOTE，而不是在测试数据中。
如果有人能澄清我的疑虑，那会很有帮助。
浏览 20提问于2021-10-21得票数 0
我有一个具有二元结果的回归模型。我用glmnet对模型进行了拟合，得到了选定的变量及其系数。
由于glmnet不计算变量重要性，我想将确切的输出(选定的变量及其系数)提供给glm以获取信息(标准误差等)。
我搜索了r个文档，似乎可以使用glm中的"method“选项来指定用户定义的函数。但是我没有做到这一点，有人能帮我吗？
浏览 2提问于2012-10-17得票数 21
回答已采纳
1回答
获得以下二进制分类结果的数据点总数= 1500。其中，我有
1473年标为0和
其余27名为1。
从混淆矩阵中可以看出，在属于1类的27个数据点中，只有1个数据点被错误分类为0。因此，我计算了个别类别的准确度，得到了标记为0= 98.2%和其他类别的准确率分别为1.7333%和1.7333%。这个计算正确吗？我不确定.我确实得到了一个很好的分类标签为1的类，所以为什么它的准确性低？单独的分类准确率对于class0应该是100%，对于class1大约是98%。
一次错误分类会使1级的准确度降低这么多吗？这就是我在MAtlab中计算各个类的精确性的方法。
cmMatrix =
浏览 1提问于2018-07-09得票数 0
回答已采纳
2回答
Weka如何使用J48计算精度？
、、、、
我对数据挖掘和Weka很陌生。我使用GUI在Weka中使用J48构建了一个分类器。当Weka运行完之后，它会说：
Correctly Classified Instances 1035 - 68.543 %
Incorrectly Classified Instances 475 - 31.457 %
当从我自己的代码(使用C#使用IKVM.NET)运行时，我使用相同的未标记数据集重新评估我的模型，将预测类的结果保存到一个ARFF文件中，并计算我从1500个记录中得到的结果。
约有1300条记录被正确分类，200条没有被分类，这使精度测量达到86%。
这是正确的吗？为什么结果会有所
浏览 1提问于2015-04-13得票数 0
2回答
假设我有两个二进制分类器，A和B都是针对同一组数据进行训练的，并对不同的数据集(但对两个分类器都是相同的)进行预测。A的查全率高，召回率低，B的查全率低，召回率高。有没有办法将这两个模型组合在一起，让我从一个模型中获得精确性，然后从另一个模型中回想起来，或者可能使用其中一个模型的度量来改进另一个模型的精度？
例如，假设这些是衡量标准：
A
精密度: 0.91
召回: 0.35
B
精密度: 0.44
召回: 0.90
因为这些是二进制分类器，所以我的标签是1和0，我感兴趣的类是1(所以上面的指标是用来预测1s的)。
假设模型A预测101s，模型B预测701s。
我可以安全地说，在A型预测的10
浏览 0提问于2019-03-26得票数 3
我在Python中做一个分类任务，将不同乐器的音频文件分类到它们各自的类中，在我的例子中，有4个类，分别是Brass、String、Percussion和which。我使用了3种不同的算法，k-最近邻算法、朴素贝叶斯算法和支持向量机算法.我的代码看起来有点像这样：
#X is feature matrix, y is class vector
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
#k-NN Classifier
knn = KNeighborsClassifier(n_neighbo
浏览 0提问于2018-03-03得票数 0
2回答
我们可以使用度量统计模型的拟合优度，这说明了拟合的优度和用于创建模型的参数的数量。AIC包括计算该模型(L)的似然函数的最大值。如何计算L，给定分类模型的预测结果，表示为混淆矩阵？
浏览 7提问于2009-02-25得票数 0
回答已采纳
这也许是个愚蠢的问题，但：
我注意到，损失函数的选择改变了评估过程中获得的精度。
我认为损失仅在训练中使用，当然，这取决于模型在预测中的优劣，而不取决于对样本总数的正确预测量的准确性。
EDIT
我没有正确地解释我的自我。
我的问题是因为我最近训练了一个binary_crossentropy损失的模型，来自model.evaluate()的准确率为96%。但这不对！我检查了“手动”，模型得到了44%的总预测。然后，我改为categorical_crossentropy，然后准确性是正确的。
MAYBE ANSWER出发地：
我发现了这个问题。度量=“准确性”根据成本函数自动计算精度。因此，使
浏览 1提问于2018-09-13得票数 0
回答已采纳
1回答
线性判别分析
、、、
我将sklearn.lda用于分类目的，并对打印平均分类错误的评分函数感到有点困惑。这是不是因为留下了一把折刀？我该如何解释结果？它只是一个浮点值，没有太多的文档。
先谢谢你，艾尔
浏览 1提问于2013-06-22得票数 0
1回答
我目前正在评估一袋文字纹理分类器，它输出二进制结果：
真阳性(TP)
真否定(TN)
假positives(FP)
假negatives(FN)
我正在寻找计算的准确性，但不确定我是否正确分配真正的负数。
我目前正在与8类工作，并分配了7个真实的负数，每次有一个真正的积极，和6个真实的否定和一个假的否定，每次有一个假阳性。
我不确定我是否应该在真正的负面因素中增加一个，只有当有一个真正的积极因素的时候？这似乎仍然提供了过高的结果，就像这些结果：
TP：20
FP：10
TN：20
FN：10
精度：0.66
当分配真实的负片时，就像我最初做的那样，它甚至更高。如果只有一
浏览 4提问于2015-09-12得票数 1
回答已采纳
我有一个分类问题(预测一个序列是否属于一个类)，对于这个问题，我决定使用多种分类方法，以帮助筛选出假阳性。
(问题在于生物信息学-将蛋白质序列归类为神经肽前体序列。如果有人感兴趣，，)。
现在，分类器在10倍CV的训练集上具有大致相似的性能指标(83-94%的准确率/精度/等等)，所以我的“朴素”方法是简单地使用多个分类器(随机森林、ExtraTrees、支持向量机(线性核)、支持向量机(径向基核)和伽玛基)，并使用简单的多数投票。
我的问题是:如何获得不同分类器和/或它们的投票预测的性能指标？也就是说，我想看看使用多个分类器是否能提高我的性能，或者它们的哪个组合可以提高我的性能。
我的直觉可
浏览 2提问于2014-02-01得票数 8
回答已采纳
1回答
我有三节课。假设第一类的元素数是30，第二个-30，第三个-1000。
一些算法给出了预测，得到了以下误差矩阵(行是预测，列是真标号)。
[[ 1 0 10]
[ 29 2 10]
[ 0 28 980]]
从这个矩阵可以看出，第三类是很好的分类，虽然其他类几乎总是错误的。
其结果是下列精确性和召回：
Precision.
micro: 0.927
macro: 0.371
Recall.
micro: 0.927
macro: 0.360
从官方文档和许多文章、问题(例如来自)来看，当类是不平衡的时，最好使用微。尽管从直觉上看，在这种情况下，尽管这两个类
浏览 2提问于2021-07-07得票数 1
回答已采纳
3回答
我开发了一个应用程序来检测垃圾邮件，使用朴素贝叶斯分类器。
在估计某些概率时，结果是非常小的数，因此java返回零(0.0)。
变量被声明为浮点数。Java如何处理6.9e-232这样的非常小的数字？
浏览 2提问于2014-02-07得票数 0
回答已采纳
1回答
最大限度地提高深度学习的精度
、、、、
对于一些二值图像分类问题，具有接近100%的分类精度是非常重要的，而回忆则不那么重要。
最大限度地提高精确度的最佳实践是什么？为model.predict()设置大于0.5的概率阈值似乎是一种合理的方法。
还有其他推荐的方法吗？
浏览 0提问于2019-04-12得票数 1
回答已采纳
2回答
高精度支持向量机分类
、、、
我有一个二进制分类问题，我试图得到我的分类器的精确召回曲线。我使用libsvm与RBF核和概率估计选项。
为了得到曲线，我将决策阈值从0改为1，步骤为0.1。但是每次运行时，即使召回率随着阈值的增加而降低，我也会得到很高的准确率。与真阳性相比，我的假阳性率似乎总是很低。
我的结果是：
Threshold: 0.1
TOTAL TP:393, FP:1, FN: 49
Precision:0.997462, Recall: 0.889140
Threshold: 0.2
TOTAL TP:393, FP:5, FN: 70
Precision:0.987437, Recall: 0.84881
浏览 8提问于2016-03-27得票数 0
我们都喜欢像中位数和四分位数范围这样的健壮度量，但让我们面对它，在许多领域，箱线图几乎从未出现在已发表的文章中，而均值和标准误差总是出现在文章中。
这是简单的网格，ggplot2等绘制箱形图和画廊充满了他们。有没有一种同样简单的方法来绘制均值和标准误差，以分类变量为条件？
我说的是这样的情节：
或者在JMP中所谓的“钻石”(参见图3)：
浏览 2提问于2009-09-16得票数 14
1回答
我的问题总结：我有一个检测(二进制分类，不平衡问题)。我用乙状结肠分类样本。报告的f-得分、精确性和回忆似乎都考虑了这两个类别，例如，真正的阳性似乎是正确分类样本的总数，而不是属于“1”类的、被正确分类的样本总数。
更长的解释:在我的实验中，我有关于个人的人口统计数据，我必须预测他们是否购买了产品。我使用PCA将初始特征减少到4个，数据存储在csv文件中(第一列有类标签'0‘和'1')。请注意，大多数人没有购买，然后这两个类别是非常不平衡的。我使用CSVDataset类读取它：
dataset: &train !obj:pylearn2.datasets.csv
浏览 2提问于2015-04-11得票数 0
浮点错误会影响我在以下情况下的计算吗？
我的目的是比较两组数值，并确定它们的均值在统计上是否不同。
在使用以下数据执行大样本未配对测试时，我通常处理非常小的值：
第一组(从100个样本中获得)：
first item's mean = 2.7977620220553945e-24
std dev = 3.2257148207429583e-15
第二组(从100个样本中获得)：
first item's mean = 3.1086244689504383e-15
std dev = 3.92336102789548e-15
目的是找出这两种方法在统计学上是否有显着性差异。
浏览 0提问于2019-07-01得票数 0
回答已采纳
这似乎是一个非常基本的问题，但我只是想确认一下。我正在运行一个针对不同类型的协变量(一些是数值的，一些是分类的，等等)进行调整的多变量线性回归模型。模型的示例如下所示：
fit <- ols(outcome ~ exposure + age + zbmi + income + sex + ethnicity)
“结果”和“曝光”都是连续的数值变量。
我的问题是，如果我运行模型和beta估计，95%的CI和p值看起来像下面的值：
B = -0.20 // 95%CI: [-0.50, -0.001] // p = 0.04
是否可以将其解释为：“暴露每增加1个单位，结果就会减少0.20
浏览 17提问于2021-02-15得票数 2
回答已采纳
1回答
我用随机树来解决二进制分类问题。训练集包含70k值作为"0“类，只有3k作为"1”。此外，在X_test上的预测结果应该给出相同数量的"0“和"1”。
clf = RandomForestClassifier(random_state=1, n_estimators=350, min_samples_split=6, min_samples_leaf=2)
scores = cross_validation.cross_val_score(clf, x_train, y_train, cv=cv)
print("Accuracy (random for
浏览 1提问于2016-03-16得票数 1
回答已采纳
1回答
用于多类分类的AUC
、、、
让我们假设我们有一个3类的分类问题，并且我们有高度不平衡的数据。假设在第一类中我们有185个数据点，在第二类199中，在第三类720中。
为了计算多类问题上的AUC，有写在中的宏观平均(给予每个标签的分类相同的权重)和微观平均方法(将标签指示矩阵的每个元素视为二进制预测)。
对于这种不平衡的数据集，应该使用AUC的微观平均还是宏观平均？
我不确定，因为当我们有一个如下所示的混淆矩阵时，我得到的微观平均AUC为0.76，宏观平均AUC为0.55。
浏览 34提问于2018-08-27得票数 0
我使用sklearn的接口来评估dbscan的结果，根据文档，F-measure是一种分类度量，但dbscan是一种聚类方法。我知道F-度量在理论上可以作为聚类的一种外部评估方法。那么，如何利用它来评估dbscan的结果呢？
浏览 3提问于2016-11-03得票数 0
2回答
分类链
、
我的问题是如何创建分类链
我正在处理的问题是一个多类问题，在这里我必须分配7个可能的类中的一个。
为此，我开始训练一个基于随机森林的分类器，结果没有那么好。人们对95%+的期望是精确的，而我当时只有79岁。
所以我开始为每堂课训练7个不同的分类器。当我参加第一班时，为了训练的目的，我把其他班级的班级标签转换为“其他”。
通过这个过程，单个分类器的性能注册了~ 95%+。
然后我想，可以用一种最精确的模型首先尝试分类的方式来链接分类器(以瀑布的方式)，其次是最精确的在行上进行预测，第三种是最精确的，等等。培训过程仍然相同(与7个分类器相同)。
具体来说，我们假设分类器1在100行上进行预测，发现
浏览 0提问于2015-10-29得票数 6
2回答
我实现了文本分类的fastText，链接我想知道精度@1或P@5是什么意思？我做了一个二进制分类，但我测试了不同的数字，我不明白结果：
haos-mbp:fastText hao$ ./fasttext test trainmodel.bin train.valid 2
N 312
P@2 0.5
R@2 1
Number of examples: 312
haos-mbp:fastText hao$ ./fasttext test trainmodel.bin train.valid 1
N 312
P@1 0.712
R@1 0.712
Number of examples: 31
浏览 2提问于2017-09-09得票数 4
1回答
我正在尝试用统一的模式映射来实现原始和循环 (LBP)，用于人脸识别应用。
到目前为止，我已经完成了LBP描述符提取和空间直方图构建步骤。现在我要从事人脸分类和识别阶段的工作。正如本课题中的所提出的，最简单的分类器使用卡方统计量作为两幅人脸图像的两个直方图之间的不同度量。这个公式看起来很简单，但我不知道如何根据卡方不同度量的结果值来分类两个直方图是同一张脸或不同脸的表示。所以我的问题是:什么是最优的阈值，我可以用它作为同一脸和不同脸之间的边界线？我如何确定这个值？
我在互联网上看到了一些源代码，他们将LBP阈值设置为180.0。我不知道这个价值是从哪里来的。
我很感激你的帮助。谢谢你的阅读。
浏览 5提问于2014-02-27得票数 0
回答已采纳
1回答
我有一个包含标题和情绪与这些标题相关的数据集。标题已经从另一个更大的数据集中筛选出来，使用以下标准:保留那些具有非常负面或非常积极情绪的内容。最后，我有一个数据集，有一个非常正面的和非常负面的情绪标题。
我的目标是利用tf和keras创建一个深度学习分类器，将新的观察分为三类:积极情绪、消极情绪和中性情绪。换句话说，我的目标是使用二进制标记数据集来创建一个分类器，该分类器输出一个3标签分类器，我想通过预测标题的正负概率来实现它。
如果一个标题的预测概率是：
p(positive) = 80%
p(negative) = 20%
比标题更积极。但如果：
p(positive) = 50%
p(n
浏览 0提问于2020-10-16得票数 0
1回答
在他的课程中，Witten教授强调了将你的分类器与更简单的分类器进行比较的重要性，比如选择最常见的类的ZeroR分类器(如果你的奇特的机器学习算法几乎无法击败ZeroR的准确性，那么它可能工作得不是很好)。
有没有办法检查使用Apache Mahout构建的分类器的基线准确性，无论是使用ZeroR还是其他什么方法？
浏览 3提问于2015-02-26得票数 1
我们正在C中开发一个数值例程库，我们还不确定我们将使用单精度(float)还是双精度(double)，因此在决定之前，我们已经将类型SP定义为别名：
typedef float SP;
当我们运行单元测试时，它们都通过了我的机器(64位Ubuntu)，但是它们在我同事的机器上失败了(32位Ubuntu错误地安装在64位机器上)。
使用Git的bisect命令，我们找到了开始在他的机器和我的机器之间产生不同结果的确切差异：
-typedef double SP;
+typedef float SP;
换句话说，从双精度到单精度在我们的机器上产生不同的数值结果(在最坏的情况下，大约是1e-3的相对
浏览 1提问于2011-10-21得票数 7
回答已采纳
1回答
我正在尝试为哨兵图像建立一个土地覆盖分类模型。我使用的图像通道(频带)是32位浮点数.
我需要了解如何最好地格式化图像数据，无论是用于培训的芯片/补丁，还是用于分类的目标图像。我没什么问题吗？
我是否需要将原始图像和训练芯片从32位转换到其他深度？是否需要确保训练芯片/补丁和目标具有相同的深度(32位、16位或其他)？需要转售我的数据吗？我看到了一些论文，其中数据被重新标度在0-1或0-255之间？数据深度是否影响学习和预测的性能？
非常感谢。
马兹
浏览 4提问于2019-10-09得票数 0
回答已采纳
当我使用R运行lm()回归时，我从summary()得到了“残差标准误差”。为什么只有一个残差标准误差值，而不是每个观测值的残差标准误差列表？
summary()中显示的此值的含义是什么？摘要()中显示的“残差标准误差”是每个观察值的残差标准误差列表的平均值吗？谢谢。
Residual standard error: 0.8498 on 44848 degrees of freedom
(7940 observations deleted due to missingness)
Multiple R-squared: 0.4377, Adjusted R-squared: 0.4
浏览 2提问于2019-07-31得票数 2
1回答
微观度量与宏观度量
、、、
为了检验我的多标签分类模型的结果，我测量了精度、回忆和F1分数。我想比较两种不同的结果，Macro。我有一个只有几行的数据集，但标签计数在1700左右。为什么宏如此之低，即使我在微观上得到了很高的结果，当它是一个多类的时候，哪一个会更有用呢？
Accuracy: 0.743999
Micro Precision: 0.743999
Macro Precision: 0.256570
Micro Recall: 0.743999
Macro Recall: 0.264402
Micro F1 score: 0.743999
Macro F1 score: 0.250033
Coh
浏览 2提问于2021-08-09得票数 0
回答已采纳
1回答
我在看维奥拉和琼斯的报纸。在那里，他们用ROC曲线来测量分类器的精度。
请有人解释一下，在像人脸或非人脸这样的二元分类器中，如何绘制ROC曲线？我是说数据点是如何得到的。
(X，Y)= (假阳性，正确率)
我是否必须为我的训练数据集的每一个正面和负面点计算这些分数。但我的正负数据集大小不一。我有点困惑。
浏览 4提问于2018-02-21得票数 0
1回答
调整SVM C参数
、、、、
我想寻求关于我的模型的帮助。
我有一个预处理图像的数据集，我在Python上使用支持向量机进行了二进制分类。我用10倍的CV将c参数的值从0.001调到1，得到了以下结果。
📷
我的问题是：
这是否意味着C的最优值是0.001？
其余的意味着有过度适应？
第一个值不是0.000，而是0.001。
谢谢。
浏览 0提问于2020-05-29得票数 1
回答已采纳
我的神经网络在火把上的训练越来越快了。
我正在训练一个已知的数据集，该数据集分裂成训练和验证。我在训练期间整理数据，并在飞行中进行数据增强。
我有这些结果：
训练精度从80%开始并提高
列车损耗减少并保持稳定
验证精度从30%开始，但增长缓慢
验证损失增加
我要展示以下图表：
如何解释验证损失增加，验证精度increases?How在验证集和训练集之间有如此大的差异? 90%和40%?。
更新：
我平衡了数据集。这是二进制分类。现在它有1700个来自1级的例子，1200个来自2级的例子，总共有600个用于验证，2300个用于培训。我仍然看到类似的行为：
浏览 4提问于2020-04-21得票数 0
回答已采纳
2回答
我想计算一系列数字的标准误差。假设这些数字是x[i]，其中i=1 ...N.来做这件事
我设置了
averageX = 0.0
averageXSquared = 0.0
然后，我循环遍历所有i=1、...N和for each
averageX += x[i]
averageXSquared += x[i]**2
然后我除以N
averageX = averageXC / N
averageXSquared = averageXSquared/N
然后我取差值的平方根
stdX = math.sqrt(averageXSquared - averageX * averageX)
这里的参数肯定
浏览 0提问于2014-04-30得票数 1
如果我没有错，我们计算精度和召回值的分类器由最终的标签预测。但是，precision_recall_curve in sklearn使用的是decision_function而不是最终的类标签。它对最终值有什么特别的影响吗？信心的程度对曲线有任何影响吗？
浏览 10提问于2020-07-20得票数 0
回答已采纳
3回答
置信区间
、、
我有一个160的样本。平均值为262，标准差为165。正态分布曲线很好，从-200 (平均-3*偏差)到近800 (平均+3*偏差)。在下一步，我将看到95%的置信区间。在这个例子中，我在excel中使用了函数置信度，它说这个整数是236,287。
我的问题是-为什么这个范围这么小？每一本书陈述和显示95%的置信区间为一个大约+/- 2*st.dev.，这在我的例子中是远远不够的。对此有何解释？这么小的射程可能很有欺骗性。
谢谢你的评论，加斯珀
浏览 1提问于2014-05-13得票数 2
回答已采纳
1回答
我使用神经网络对文本进行分类，训练数据的标签是0或1(即二进制分类)。它在训练和评估过程中工作得很好，但预测输出是浮点值，而不是整数0或1。我如何总是获得整数结果？是否需要手动转换或更改网络参数？ model = Sequential()
e = Embedding(vocab_size, embedding_dim, weights=[embedding_matrix],
input_length=max_length, trainable=False)
model.add(e)
model.add(Dropout(0.2))
model.add(Flatten())
model.add
浏览 29提问于2019-05-10得票数 0
回答已采纳
1回答
我有一个由不同特征组成的数据集，比如“性别”。该模型的任务是确定年收入是否高于或低于50k。
假设我有一个受过训练的网络来进行分类。
现在，我想看看分类器做假阳性的频率是多少，分别通过将错误的负面预测按性别特征分组来进行。
其基本思想是某种混淆矩阵，而不是类到类的矩阵，而是类到特征的矩阵。
下面的图片说明了我想要的结果。
浏览 4提问于2022-09-12得票数 0
回答已采纳
2回答
在多标签分类问题中，我需要计算每个类别的精度(而不是总体精度)。使用classification_report从scikit-learn库中很容易地找到每个类别的精确性、回忆性和F-得分。共有13类，分配如下：
precision recall f1-score support
Category 1 0.58 0.48 0.53 244
Category 2 0.91 0.85 0.88 728
Category 3
浏览 0提问于2020-12-08得票数 1
回答已采纳
1回答
微观平均和宏观平均是多类分类的度量标准.然而，对于数据不平衡时的二值分类，微观精度和宏观精度似乎有不同的结果。我的问题是:当类不平衡时，在二进制分类问题中使用微观和宏观精度是否有意义？
📷
浏览 0提问于2020-11-09得票数 3
回答已采纳
2回答
我有非常有趣的经验，我的CNN二值图像分类。你认为结果是偶然的还是背后有逻辑的？
我用InceptionV3和softmax (我知道你会说为什么不ReLU)，但这就是我所做的。
我训练了100个时代。但结果很糟糕。从训练过程中，我注意到在12世纪，结果是很好的(训练的准确性和验证的准确性)。所以我在12世纪训练了模特。在试验数据上的结果也很好。
这是否意味着在几个时代，结果会更好？
浏览 0提问于2020-11-03得票数 1
2回答
我有一个由27个属性和597个实例组成的数据库。我想用Weka尽可能最好的结果对它进行分类。哪个分类器不是重要的，.The类属性是标称的，其余的是数字的。到目前为止，最佳结果是LWL (83.2215)和oneR(83.389)。我使用了属性选择过滤器，但是结果没有改进，没有其他分类器能够提供更好的结果，即使是NN、SMO或meta类。任何关于如何改进这个数据库的想法，都知道没有缺失的值，而且数据库是在三年内收集到的大约597个病人。
浏览 0提问于2014-11-06得票数 0
我正在尝试在Weka中使用ZeroR算法，以便为我的分类问题提供基准性能。然而，Weka显示了奇怪的精度和F度量结果，它显示了一个问号“？”而不是任何数字。谁知道我该怎么解决这个问题？ === Classifier model (full training set) ===
ZeroR predicts class value: label 1
Time taken to build model: 0 seconds
=== Stratified cross-validation ===
=== Summary ===
Correctly Classified Instances
浏览 109提问于2019-04-27得票数 0
回答已采纳
我正在使用survey分析来自美国住房调查的数据，该数据使用复制权重来计算修正的标准误差，但我想确保我指定的设计是正确的。 我是这样做的： svy <- svrepdesign(data = ahs,
weight = ~WEIGHT,
repweights = "REPWEIGHT[0-9]+",
type = "Fay",
rho = 0.5,
scale = 4
浏览 21提问于2019-12-17得票数 1
回答已采纳
1回答
我已经训练了一个RNN/LSTM模型。我想解释我的模型结果，在绘制了图表的损失和准确性(b/w培训和验证数据集)。
如果我只向模型提供部分输入，我的目标是对标签进行分类(0或1)。以这种方式我进行了训练。
Train_Validate_Test_Split
Train 80% ; Validate 10 % ; Test 10%
X_train_shape : (243, 100, 5)
Y_train_shape : (243,)
X_validate_shape : (31, 100, 5)
Y_validate_shape : (31,)
X_test_shape : (28, 1
浏览 0提问于2019-07-22得票数 0
回答已采纳
1回答
我想知道最好的方法是使用ApacheSpark2.4.5和PySpark (Python)评估一个合适的二进制分类模型。我想考虑不同的指标，如准确性，精确性，召回，auc和f1评分。
让我们假设如下：
# pyspark.sql.dataframe.DataFrame in VectorAssembler format containing two columns: target and features
# DataFrame we want to evaluate
df
# Fitted pyspark.ml.tuning.TrainValidationSplitModel (any a
浏览 2提问于2020-03-20得票数 21
1回答
计算分类精度的最佳方法是什么？
、、、、
我知道一个计算分类精度的公式是X =t/n* 100 (其中t是正确分类的数目，n是样本总数。)
但是，假设我们总共有100个样本，A类有80个，B类有10个，C类有10个。
场景1:所有100个样本都被分配到A类，使用该公式，我们得到的准确率为80%。
场景2:的10个样本属于B类，10个属于C类的样本也被正确地划分为C类，30个样本属于A类，其余50个属于A类的样本被错误地分配给C类，使用该公式，我们获得了50%的准确度。
我的问题是：
1:我们是否可以说场景1比场景2具有更高的准确率？
他:有什么方法来计算分类问题的准确率吗？
非常感谢！
浏览 3提问于2016-02-25得票数 4
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
