1回答
从2D数据进行预测
、、、
我正在从2d数据中进行预测。数据大小为7640x200x2；对于每个200x2矩阵，我希望从中预测一个2x1数组。我是一个初学者，我对如何构建一个有用的模型感到困惑。
浏览 11提问于2021-04-22得票数 2
我用一些数据训练了一个逻辑回归模型。我应用标准标量来训练和测试数据，训练模型。但是，如果我想用训练和测试数据之外的数据对模型进行预测，我必须对新数据应用标准标量，但如果我有单个数据，那么我不能对我想要作为输入的新的单个样本应用标准标量。用新数据，特别是一次一个样本来预测结果的程序应该是什么？
浏览 17提问于2019-06-23得票数 2
1回答
logistic回归热图
、、、
plt.xlim(xx.min(), xx.max())plt.title('r=' + str(r))
当我以x:2大小的数据文件运行这段代码时但我也有比2列更多的数据。
浏览 4提问于2015-10-09得票数 0
我看到错误说预测函数出了问题，我试着读了关于这些错误的文章，我不明白它们的意思。
我有一个一维数组(向量)，我试图用它来预测一个文件是否是病毒。
浏览 11提问于2020-03-07得票数 0
我正在做一个项目，在这个项目中，我使用机器学习算法(即scikit learn RandomForestClassifier类)对一些数据进行分类。我已经使用RandomForestClassifier.fit()来拟合训练数据，现在我正尝试使用它来预测我的数据。我已经使用predict()方法使用测试集进行预测，但我正在努力了解如何将经过训练的算法应用于更一般的使用问题。 也就是说，我的主要问题是我正在尝试对我的数据帧的单行进行<e
浏览 9提问于2021-01-07得票数 1
回答已采纳
让我们假设我有一个有噪声的2d数据集，其中一个观察数据的人可以很容易地在数据中画一条直线，从而使均方误差最小化。该线的模型采用y = mx + b形式，其中x为输入值，y为模型的预测值，m和b为训练变量，以使成本最小化。我的问题是，如果我们将一些输入x1插入到模型中，它总是输出相同的数字，而不考虑数据有多稀疏。像这样的模型如何从相同的输入中预测不同的值？也许可以这样做，将所有的错误从模型行到点，对它们进行分布，获取这
浏览 6提问于2017-04-01得票数 0
回答已采纳
1回答
我训练了一个XGBoost回归模型，它试图预测运动提供的转换数。自变量是每月虚拟，位置虚拟，和4列竞选规则(数字)。总共有6列ind。变量。我训练了模特。现在我试着用这个模型来预测一个特定的竞选活动的表现。我的目标是输入新活动的规则、月份和地点，并得到XGBoost预测的转换量。您知道如何在Python中实现这种预测吗？谢谢
浏览 0提问于2022-02-10得票数 0
回答已采纳
1回答
我的数据是不同时隙的2D数据(比方说10X10)。因此，我有3D数据。我将把这些数据输入到我的模型中，以预测即将到来的时间段。因此，我将有一定数量的时隙用于预测(假设10个时隙，到目前为止，我可能有10X10X10数据)。现在，我的问题是，我必须将这些数据作为具有10个通道的2D图像(就像CNN、RGB图像中的普通数据)或3D数据进行处理。(Keras中的conv
浏览 10提问于2020-02-11得票数 4
回答已采纳
我正在用Python语言构建一个随机森林模型，并以sklearn为基准，与keras中内置的RNN的预测结果进行比较(RNN...yay已经完成了预测结果)。数据是时间序列的。从概念上讲，它有623个段，每个段包含180个连续的数据点(填充以创建等长的段)，每个段具有7个特征通道和一个目标通道。
我已经准备好了数据，并分成了训练组和测试组。但是，我不能，因为它需要一个2D数组。2D格式。现在我正在考虑迭代3D数组来创建一个2D
浏览 4提问于2018-06-08得票数 0
1回答
用神经网络预测向量的演化
、、、
我想预测2D序列的演化(三维是时间)，并使用预测序列(连同先前预测的序列和一些标量值随时间变化)来预测下一个2D序列，并最终使用该预测来预测接下来的时间序列。数据的2D时间切片示例：我想训练我的神经网络来预测一个新的二维“轮廓”(三维轮廓的时间切片)，基于最后的~3轮廓和一个时变的标量参数。什么样的神经网络体系结构(S)能够及时预测下一个二维剖面？
浏览 0提问于2018-07-03得票数 3
回答已采纳
1回答
我想使用GPR从部署的访问点(AP)预测RSS。由于探地雷达也给出了平均RSS及其方差，因此，探地雷达在定位导航系统中具有重要的应用价值。我阅读了与探地雷达相关的期刊，并从中获得了理论上的洞察力。现在，我想用真正的数据(RSS)来实现它。因为我的输入集是2D坐标，所以我想修改示例代码。我发现其他人也尝试过这样做，例如：、和。
预期(预测)值应该类似于y。我得到的价值是非常不同的。我想预测RSS的测试床的大小是16*16 sq.meters。我想预测每隔一米的RSS。我假
浏览 2提问于2018-04-16得票数 0
回答已采纳
假设我有两个输入特征，每个输入特征都有两个独立变量(2D数据)，例如: T1(x，y)和T2(x+1，y)，我希望使用LIBSVM进行回归来预测T(x+1，y) (2D输出数据)。我通读了官方链接，但我无法找到输入数据集是否支持输入特征T1(x，y)和T2(x+1，y)的二维数据。一般来说，我知道LIBSVM支持T1(x)和T2(x+1) (1D数据)，但不确定它是否支持每个输入特征的2D数据。li
浏览 0提问于2017-10-11得票数 0
1回答
(无深度学习)输出:汽车预测的曲面( 3d bbox中长方体的底部)
方法1:我试图利用这样一个事实，除了汽车的2d bbox，还有车牌的2d bbox之外，我有一些先验知识，这可以给我汽车的方向，我想在车的中心bbox和2d车牌的中心bbox之间摆一个角度来了解汽车面对的方向是什么。在我知道汽车面对的方向之后，我还可以大致知道应该在哪里是表面的边缘之一，因为3d bbox是由2d<
浏览 4提问于2020-03-17得票数 2
我在Python3.6上使用sklearn，并且我注意到，预测一个样本为一维numpy数组所需的运行时间与n个样本作为带有随机森林的2D numpy数组所用的运行时间相同(两者都是0.1秒)。它似乎需要一定的时间来建立树在每一个预测步骤，然后立即进行预测。这可以解释为什么预测大型2D数组的运行时与一维数组相同？, y_train)
cPic
浏览 1提问于2018-06-04得票数 2
回答已采纳
由于线性回归算法为训练数据找到了最佳拟合线，因此对新数据的预测将始终位于该最佳拟合线上。那么sklearn中的线性回归模型是如何非线性预测数据的，如图所示。!
浏览 24提问于2019-09-08得票数 1
回答已采纳
1回答
无人机的三维位置预测
、、、、
我有来自跟踪器的无人机位置数据，以及基于卡尔曼滤波器变体的数据对速度和加速度的估计，这些数据似乎相当不错。我希望预测(/give一个合理的猜测)无人机在未来几秒钟的位置，我不确定最好的策略是继续估计jerk，snap，crackle和pop，并将它们包括在计算中，或者是否有更好的方法，我错过了。
浏览 0提问于2018-06-23得票数 0
1回答
使用典型的AI/ML模型进行验证是基于本地可用的所有数据。将数据分成80/ 20 %分割，80%用于训练，20%用于测试/评估。这种情况不适用于外语范式。即 test_metrics = evaluation(state.model, f
浏览 4提问于2020-06-11得票数 4
3回答
卡尔曼滤波的置信区间估计
、、、
我一直在努力实现一个卡尔曼滤波器，以搜索异常的二维数据集。非常类似于我在这里找到的优秀帖子。作为下一步，我想预测置信区间(例如，95%对下限和上限值的置信度)，我预测的下一个值将下降。我假设我将使用由Kalman滤波器生成的每个预测返回的不确定性协方差矩阵(P)，但我不确定它是否正确。任何指导或参考如何做到这一点，将不胜感激！
浏览 9提问于2014-06-25得票数 5
回答已采纳
我不明白model.predict(...)是如何处理时间序列预测问题的。我通常将它与CNN一起使用，它非常简单，但对于时间序列，我不明白它返回了什么。例如，我目前正在做一个练习，我必须使用LTSM根据数据预测功耗，我成功地训练了我的模型，但当我想知道明天的功耗是多少时(所以除了过去的数据之外没有数据)，我不知道使用什么输入。
浏览 27提问于2019-05-02得票数 0
我正在尝试通过视觉研究分离超平面来比较我的数据上的各种分类器，例如LDA和SVM等。目前我使用ClassificationDiscriminant作为线性预测分类器，不像支持向量机可以在图上绘制超平面，我找不到一种方法来绘制线性预测分类器的超平面。以下脚本是我如何生成示例数据并使用ClassificationDiscriminant对其进行分类的：X = [randn(100,2); randn(150,2) +gscatter(X(:,1),X(:,2),Y);
浏览 0提问于2013-05-03得票数 0
云服务器
ICP备案
云直播
腾讯会议
对象存储
腾讯云开发者
