使用标尺进行交叉验证
是一种常用的机器学习模型评估方法。它通过将数据集划分为训练集和测试集，并多次重复这个过程，以评估模型的性能和泛化能力。
在交叉验证中，数据集被分为k个大小相等的子集，其中k-1个子集用作训练集，剩下的一个子集用作测试集。然后，使用训练集训练模型，并在测试集上进行预测。这个过程会重复k次，每次都使用不同的子集作为测试集。最后，将k次的评估结果进行平均，得到模型的性能指标。
交叉验证的优势在于能够更准确地评估模型的性能，避免了单次划分数据集可能带来的偶然性。它可以帮助我们判断模型是否过拟合或欠拟合，并选择合适的参数和模型结构。
应用场景：
- 模型选择：交叉验证可以帮助选择不同模型之间的性能差异，从而选择最佳模型。
- 超参数调优：通过交叉验证，可以评估不同超参数组合对模型性能的影响，从而选择最佳的超参数组合。
- 数据集评估：交叉验证可以评估数据集的质量和可靠性，帮助我们了解数据集的特点和潜在问题。
腾讯云相关产品推荐： 腾讯云提供了一系列与机器学习和数据科学相关的产品和服务，可以支持交叉验证的实施和模型评估。以下是一些相关产品和介绍链接：
- 云服务器（Elastic Compute Cloud，简称CVM）：提供灵活可扩展的计算资源，用于训练和部署机器学习模型。链接：https://cloud.tencent.com/product/cvm
- 人工智能引擎（AI Engine）：提供了丰富的人工智能算法和模型，可用于构建和训练机器学习模型。链接：https://cloud.tencent.com/product/aiengine
- 数据库（TencentDB）：提供高性能、可扩展的数据库服务，用于存储和管理训练和测试数据。链接：https://cloud.tencent.com/product/cdb
- 云存储（Cloud Object Storage，简称COS）：提供安全可靠的对象存储服务，用于存储和管理大规模的数据集。链接：https://cloud.tencent.com/product/cos
请注意，以上推荐的产品仅代表腾讯云的一部分相关产品，更多产品和服务可以在腾讯云官网上查找。
相关·内容
如何使"TODO“标记(// TODO: blah...)出现在Eclipse中JS的概述标尺中？
在Java中，它们是可见的，但对于JS，它们是不可见的。
它们显然在“任务标签”列表中，并且在“注释”下的“概述标尺”中检查“任务”。
浏览 2提问于2012-07-10得票数 2
回答已采纳
我正试图用一种不同的方式来计算性能，它现在是如何为模型内置的。
我想访问交叉验证期间的原始预测，这样我就可以自己计算性能了。
g = h2o.get_grid(grid_id)
for m in g.models:
print "Model %s" % m.model_id
rrc[m.model_id] = m.cross_validation_holdout_predictions()
我可以用数据集上的模型运行预测，但我认为这个测试可能会有偏差，因为模型以前见过这些数据，还是没有呢？我是否可以对同一数据集进行新的预测，并使用它来计算性能？
浏览 2提问于2017-09-16得票数 2
回答已采纳
1回答
Cross-validation
嗨，我正在使用Weka在我的MSc论文中部署机器学习模型。我已经注意到，当我在训练数据集中使用10倍交叉验证时，与在整个数据集上没有交叉验证的情况下训练模型相比，我得到了较低的评估指标，如果我在测试数据集上测试该模型时获得更好的性能，这将是有意义的，然而，它保持相同的性能。例如，我为一个回归问题训练了一个随机森林模型，这些是我得到的结果：
1.没有交叉验证：
培训：
R = 0.97; Mae = 1.31; Rmse = 1.78
测试：
R = 0.91; Mae = 2.70; Rmse = 3.57
2.具有10倍交叉验证：
培训：
R = 0.76;
浏览 0提问于2021-01-23得票数 0
请有人告诉我，如果这是正确的方法，计算交叉验证的精度我的分类器？我将我的数据集划分为训练数据的xtrain和ytrain，以及测试集的xtest & ytest。
构建模型：
RFC = RandomForestClassifier(n_estimators=100)
适合于训练集的：
RFC.fit(xtrain, ytrain)
，这是我不确定的部分：
scores = cross_val_score(RFC, xtest, ytest, cv = 10, scoring='precision')
使用上面的代码，“分数”会给我在我的模型上的精确性，而我的模型是关于
浏览 8提问于2015-07-04得票数 3
我想为Eclipse开发一个小插件，如果有人能给我一些线索，我将非常感激。基本上所有需要知道的是当前行编号面板是如何实现的，所以我需要一些具有类似功能的自定义插件的源代码，或者在eclipse源代码中查看当前行编号功能。
谢谢你的帮助。
浏览 2提问于2011-04-30得票数 1
回答已采纳
1回答
我构建了一个栅栏模型，然后使用该模型通过预测命令从已知数据点预测到未知数据点。有没有办法验证模型和这些预测？我是否必须分两部分来做这件事，例如使用模型的二项式部分的敏感性和特异性？关于如何评估此模型的有效性，还有其他想法吗？
浏览 1提问于2016-11-14得票数 0
我有一个训练数据集(50000×16)和测试数据集(5000×16)，这两个数据集中的第16列是决策标签或响应。测试数据集中的决策标签用于检验训练分类器的分类精度。我使用我的训练数据来训练和验证我的交叉验证的knn分类器。我使用以下代码创建了一个交叉验证的knn分类器模型：
X = Dataset2(1:50000,:); % Use some data for fitting
Y = Training_Label(1:50000,:); % Response of training data
%Create a KNN Classifier model
rng(10); % For rep
浏览 4提问于2016-05-06得票数 1
回答已采纳
关于以下简短的代码片段，我有一个简短的问题(我的sklearn版本(从其中导入cross_val_score和LinearDiscriminantAnalysis )是1.1.1)：
cv_results = cross_val_score(LinearDiscriminantAnalysis(),data,isTarget,cv=kfold,scoring='accuracy')
我试图在'data‘变量和'isTarget’变量上训练一个isTarget ML算法，这两个变量分别是ML数据集中样本特性的numpy数组和一个样本为目标(1)或非目标(0)的列表
浏览 5提问于2022-06-17得票数 0
回答已采纳
我有一个类似如下的模型：
library(mlbench)
data(Sonar)
library(caret)
set.seed(998)
my_data <- Sonar
fitControl <-
trainControl(
method = "cv",
number = 10,
classProbs = T,
savePredictions = T,
summaryFunction = twoClassSummary
)
model <- train(
Class ~ .,
data =
浏览 17提问于2018-01-31得票数 2
回答已采纳
1回答
我正在研究一个计算机视觉问题，它可以检测和比较物体的实际长度，并相应地做一些事情。我已经在检测方面做了很多工作，在这个阶段看起来已经足够好了，但由于这个问题，我现在卡住了：
如果我点击来自不同android手机的固定长度(例如15厘米的尺子)的真实世界实体的图片，站在几乎相同的位置，并且每次都保持手机几乎垂直。我知道他们各自的相机和屏幕分辨率，PPI，焦距。我收到的长度(以像素为单位)明显不同，即使我将每个图像的分辨率和PPI都相同，它们也是不可比较的。
有没有一种方法可以让我标准化，以便不同手机的长度(以像素为单位)可以与一个共同的标准进行比较。如果有人能建议我找出需要正常化的转换方法，那就
浏览 5提问于2016-10-06得票数 0
2回答
libsvm中的交叉验证
、、、
我在我的项目中使用libsvm库，最近发现它提供了开箱即用的交叉验证。我正在查看文档，它清楚地说明我必须调用带有-n开关的svm-train才能使用CV功能。当我使用-v开关调用它时，我无法获得svm-predict所需的模型文件。
从头开始实现支持向量机超出了我的项目范围，所以如果它坏了，我宁愿修复它，或者向社区寻求支持。
有人能帮上忙吗？
这是用C和C++实现的，这是。
浏览 5提问于2011-03-05得票数 2
回答已采纳
1回答
我有一个小的受限制的数据集，它不是很小，但是如果我有更多的数据，它的准确性会更好。我把它分割成训练和测试数据集: 85%/15%。我选择了神经网络模型，并训练了它，测量损失，它是好的。现在我应该在生产中使用它。我是否应该对测试数据进行额外的培训，因为这样我就能获得更好的准确性。
浏览 0提问于2018-03-10得票数 0
1回答
我有41个样本和6个预测因子的数据集。在Matlab中，我使用了树作为分类树。尽管oob误差很高，但该模型对41个标签进行了准确的预测。
但在此基础上，我尝试用k折叠交叉验证模型，验证准确率仅为41%。我对此感到困惑。
我的另一个问题是，当我试图交叉验证一个已经建立的集成模型时，k折叠算法是如何工作的。任何帮助都会很感激的。
浏览 0提问于2018-04-02得票数 0
回答已采纳
1回答
目前，我正在使用使用sdk构建的azure管道来训练模型。我正试图在我的ml步骤中添加交叉验证。我注意到，您可以在配置autoML时将其添加到参数中。我的数据集由30%标签0和70%标签1组成。
我的问题是，在执行交叉验证时，azure autoML是否分层数据？如果不是，在将其传递给autoML之前，我必须自己进行拆分/分层。
浏览 3提问于2022-09-15得票数 0
下面是我的问题的一个例子
library(RWeka)
iris <- read.arff("iris.arff")
执行nfolds以获得正确的分类器精度。
m<-J48(class~., data=iris)
e<-evaluate_Weka_classifier(m,numFolds = 5)
summary(e)
此处提供的结果是通过使用数据集的一部分构建模型并使用另一部分进行测试来获得的，因此可提供准确的精度
现在我执行AdaBoost来优化分类器的参数
m2 <- AdaBoostM1(class ~. , data = temp ,cont
浏览 4提问于2010-10-06得票数 4
回答已采纳
我是CRFSuite库的新手，但我知道如何训练模型并将其保存到文件中，这要归功于"-m“选项。然而，我试图掌握de k-折叠交叉验证，但是"-m“选项似乎不能将de进程保存在文件中。该命令根本不创建模型文件。
我可以举一个简单的例子来说明k折交叉验证在CRFSuite中的良好使用，它将流程写入一个文件(不是日志文件，而是模型文件)。在文档中，作者解释了如何进行k折叠交叉验证，但没有指定保存模型的文件。我真的想知道，如果我们不保存生成的模型，为什么要执行交叉验证……
我在这里找到了关于CRFSuite的文档：
但这还不足以满足我的需求。谢谢。
浏览 15提问于2014-12-09得票数 1
我有训练数据，我随机分成两部分：
70% -> train_train
30% -> train_cv (用于交叉验证)
我使用train_train拟合glm (glmnet)模型，然后与train_cv交叉验证.
我的问题是，对于train_train和train_cv，不同的随机分割返回不同的交叉验证结果(使用曲线下的面积“AUC”进行评估)：
第一次为0.6381583
第二次AUC = 0.6164524
有没有一种方法可以运行多个交叉验证，而不重复代码？
浏览 5提问于2014-05-14得票数 3
回答已采纳
嗨，如果我们要用以下方法来评估cv的准确性：
X_train, X_test, y_train, y_test = train_test_split(
X, y, random_state=42)
model=RandomForestClassifier(random_state=0)
k_folds = KFold(n_splits=5)
splits = k_folds.split(X_train, y_train)
cv_acc = cross_val_score(model, X_train, y_train, cv=splits, scoring='accurac
浏览 3提问于2020-09-14得票数 1
回答已采纳
1回答
我有一个大约10,000条推文的样本，我想将其分类为“相关”和“不相关”两个类别。我正在使用Python的scikit-为这个模型学习。我手动编码1000条推文为“相关”或“不相关”。然后，以80%的人工编码数据作为训练数据，其余作为测试数据，运行支持向量机模型。我获得了很好的结果(预测精度~0.90)，但为了避免过度拟合，我决定对所有1000个手工编码的tweet进行交叉验证。
下面是我的代码，在我的样本中已经获得tf矩阵的tweet之后。"target“是一个数组，列出了tweet是否被标记为”相关“或”不相关“。
from sklearn.linear_model import
浏览 15提问于2017-01-23得票数 2
回答已采纳
1回答
我正在学习R中的plsr，遇到了几个让我困惑的不同的例子。在以下两种方法中，我看到了两种方法来拟合和找到最佳数量的部件。我只想知道哪一种是合适的，哪一种更好？
1)假设我们有一个叫做数据的数据，它被划分为列车数据data.train和测试数据data.test。然后，将plsr安装为
plsr.fit = plsr(formula, data = data.train, validation = "CV", scale = TRUE)
summary(plsr.fit)
然后根据最小的ncomp值求出CV值。
2)不分割任何数据，只需将模型拟合成完整的数据。
plsr(form
浏览 4提问于2017-07-19得票数 0
回答已采纳
我对此非常陌生，所以任何类型的信息都会有所帮助。抱歉，如果我问了一个非常琐碎的问题。我正在处理一个中等大小的数据集，其中有很多零。我们已经应用了很多模型，k=10的cv-skf得分已经超过了0.85，但roc_auc得分却停留在0.5左右。我正在使用sklearn。下面是代码片段。
train_dataset = pd.read_csv('./input/train.csv', index_col='ID')
test_dataset = pd.read_csv('./input/test.csv', index_col='ID'
浏览 0提问于2016-03-25得票数 0
社区。
我正在编写一些ML代码，以便将一些数据分类为组。
我尝试了不同的方法，但当我得到支持向量机时，我遇到了这个问题。
我有一个简单的数据集(3个类，6个特征)，当我使用具有固定参数的支持向量机(C=10，gamma=1)并对相同的数据进行预测时，我得到了100%的准确性(这些可能是过拟合的向量，但这是另一个问题)。
我发现很难理解的是，然后我尝试了GridSearchCV (sklearn.model_selection.GridSearchCV)，对C和γ，从10^-5到10^5的所有幂都进行了扫描(当然包括C=10和gamma=1)，结果是best_params：C= 10 ^-5和
浏览 1提问于2018-10-22得票数 0
5回答
简单地说，交叉验证和网格搜索的区别是什么？网格搜索是如何工作的？我是不是应该先做交叉验证，然后再做网格搜索？
浏览 17提问于2013-10-12得票数 53
假设您想要建模Y= X1 + X2的行为，并且您知道这是您想要建立的模型。这是否能很好地接近真正的关系尚不得而知。但是既然你想要有系数来解释Xi是如何影响Y的，你就建立了一个回归模型。您不打算添加/减去预测器(因为您没有任何额外的数据)，也不打算将该模型与另一个模型进行比较(没有其他模型允许解释)。
仍然使用样本分割或交叉验证是否有意义？如果你做交叉验证，你平均系数吗？或者你能不能用你的全部数据来训练模型。
谢谢!
浏览 0提问于2020-11-09得票数 1
回答已采纳
1回答
假设我想使用随机森林模型来预测未来的数据。我正在考虑两种方法来训练这个模型，选择最好的超参数，并将这个模型投入生产。这两种方法的不同之处在于，第一种方法将数据分割成训练和测试集，而第二种方法没有。
这两种方法我都能用吗？其中一种比另一种更好吗？我想第二种方法的一个缺点是，没有公正的性能评估，但这真的重要吗？
1)
modelUse 将数据分解为列车和测试集(80/20)，在列车数据集上使用k重交叉验证，选择在k个验证集上性能最好的超参数。对完全训练数据的最佳模型<代码>H 19</代码>得到测试集上的无偏性能评估<代码>H 210</代码>&l
浏览 9提问于2020-11-20得票数 0
您好，我正在使用MacMac3.4.0版本的Maxent软件，我想了解一个关于k-折交叉验证的问题。 基本上，我知道我的数据集被分成k个折叠，每个折叠或多或少都有相同的大小。因此，如果我的数据集有100个观察值，10次交叉验证将把数据集分成10个观察值，Maxent将训练10个模型，每个模型有9个观察值，第10个模型将对其进行测试。 我的问题是:我可以将我的数据集拆分成10倍以上(例如50倍)，但每个折叠有10个观察值吗？当然，在这种情况下，不会使用一次实例，而是使用它们在不同的文件夹中出现的次数。 我能做到吗(没有命令行，我不知道如何使用它)？结果会有意义吗？
浏览 60提问于2020-12-07得票数 1
因此，我是machine learning和Spark的新手，并且正在阅读关于Regression的MLlibs文档，特别是LinearRegressionWithSGD at 。我在理解python代码方面遇到了一些困难。这里提供了我到目前为止所理解的信息--代码加载数据，然后形成labeledpoint。然后建立模型，根据训练数据对模型进行评价，并计算出MSE值。
现在，让我困惑的是，在正常的machine learning过程中，我们首先将数据划分为训练集和测试集。利用训练集建立模型，最后用测试集对模型进行评价。现在，在Spark文档的代码中，我没有看到任何关于训练和测试集的划分。最重要
浏览 4提问于2015-09-15得票数 3
回答已采纳
1回答
K-折叠交叉验证和样本外交叉验证
、、、、
K-fold cross validation和Out of sample cross validation有什么区别？你能用几句话来描述每种简历方法的步骤吗？
浏览 3提问于2020-05-13得票数 0
1回答
我在猜测是否有一些内置选项将SpaCy 3与k-folds交叉验证结合使用。
我想在一个大约为10倍的数据集上运行10折交叉验证。17.5k职位描述，最终获得最佳性能模型。
文档中没有任何关于这些选项的信息。
如果该选项不存在，我想我可以手动解决一些问题。
提前感谢！
浏览 1提问于2021-05-18得票数 2
1回答
有没有办法在MATLAB中找到回归的libsvm参数(c，g，p)？用gridgregression.py可以找到它们，但是如果我们想在Matlab中使用它们呢？导出列车x和y矩阵并通过gridregression.py查找参数有点费时。
浏览 0提问于2013-11-21得票数 0
1回答
我对交叉验证的理解是，我们将数据集划分为第1-k部分，然后使用第1部分作为验证集，第2-k部分作为培训集，然后使用第2部分作为验证集，其余部分作为培训集等等，直到我们使用每个部分作为验证集。
我不完全明白的是：
这里的实际目标是什么？我知道我们平均要做k轮交叉验证，但是我们的输出是什么？我读到过，在计算验证错误之后，我们放弃了每一轮的结果，那么我们如何从这个结果产生一个模型呢？
验证和测试集(如果有的话)有什么区别？也就是说，我们通常将我们的数据分为培训数据和测试数据，但是我们是将我们的培训数据进一步划分为验证集，并在交叉验证过程中将我们的测试数据放在一边，还是对整个数据集进行交叉验证？
浏览 0提问于2019-05-07得票数 2
回答已采纳
我是机器学习的新手。我已经实现了一个机器学习模型，它检测声音(例如:喇叭、警报器、锤子等)并预测声音的类型。我必须在任何物体的实际声音上对模型进行物理测试。我该怎么做？
浏览 0提问于2018-07-12得票数 -2
在使用scikit-learn对文本文档进行分类时，您是先进行交叉验证，然后再进行特征提取，还是采用其他方式？
以下是我的工作流程：
union = FeatureUnion(
transformer_list = [
('tfidf', TfidfVectorizer()),
('featureEx', FeatureExtractor()),
('spell_chker', Spellingchecker()),
], n_jobs = -1)
我用下面的方法来做，但是我想知道我是否应该首先提取特征并进行交叉验证。在本例中，X是文档列
浏览 2提问于2015-09-23得票数 0
在使用SVM时，我发现对原始数据集执行三向拆分是一种很好的做法，类似于70/15/15的拆分。
这种分割将对应于%70用于培训，%15用于测试，%15对应于所谓的“验证”。
我很清楚为什么这是一个很好的实践，但我不确定实际执行这一操作所需的具体细节。很多在线资源讨论了这个过程的重要性，但是我似乎找不到对这个过程的明确描述(或者至少是算法描述)。例如，sklearn讨论了，但在提供任何可靠的工具之前就停止了。
我的想法是：
使用训练集训练算法
使用测试集查找错误率
?？调整参数
再次获取错误率，使用验证集
如果有人能给我指明一个好资源的方向，我会很感激的。
浏览 1提问于2014-01-26得票数 3
我在机器学习环境中工作，使用神经网络。
理论上，我熟悉将可用数据集划分为三个部分的一般实践：
训练集:用于设定模型的参数(即神经网络权重)。
验证集:用于调整模型的超参数(例如，隐藏层数、每层神经元数、.)。
测试集:用于评估模型的性能。
我想用网格搜索来选择一个好的网络架构(我的问题不太复杂，数据集也不太大，所以这是可行的)，但我不确定如何将这种三向分割应用于我的问题。
单独拟合一个神经网络(例如，使用keras)，因此只要学习权重，就可以将数据集分割成训练和验证集(使用EarlyStopping回调甚至需要这样做)。
这意味着，在进行网格搜索时，我已经使用培训和验证集对
浏览 0提问于2019-08-10得票数 1
回答已采纳
我正在尝试使用学习Python中的ML技术。
我要做的是执行三重交叉验证，并使用来自Transported的特性预测目标变量( test.csv )。我唯一能做的就是在我的训练集上教一个模型，因为它包含了我的特性和我的反应。我想做的是：
from sklearn.model_selection import train_test_split, cross_val_score, cross_val_predict, KFold
from sklearn.neighbors import KNeighborsClassifier
X, y = train_ready.drop('Tran
浏览 1提问于2022-04-24得票数 0
回答已采纳
1回答
交叉验证的实现
、、
我很困惑，因为很多人都有自己的方法来应用交叉验证。例如，有些应用于整个数据集，而有些则应用于培训集。
我的问题是，下面的代码是否适合于在应用Cross-validation的同时实现交叉验证并从这样的模型进行预测？
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import KFold
model= GradientBoostingClassifier(n_estimators= 10,max_depth = 10, random_state = 0)#sepcifyi
浏览 2提问于2020-02-14得票数 0
1回答
我有一个监督学习分类问题。我有4个数字类标签(0，1，2，3)，我有大约100次试验38个不同的特性作为输入。
将这些数据输入Python和Matlab中的SVC分类器(特别是分类法Learner App)，并匹配超参数(C = 1，type =二次支持向量机，多类_方法= onevsone，标准化数据，无PCA)之后，所给出的精度差别很大：
Matlab = 86.7 %
Python = 45.0 %
有没有人遇到过这种情况，或者有什么其他的想法，我可以做什么，以知道哪一个是正确的？
Matlab输入：
Python输入：
import numpy as np
f
浏览 0提问于2018-04-19得票数 1
2回答
当使用交叉验证来评估结果时，可以采用几种策略，例如使用5或10倍，或者将一次交叉验证排除在外，以及进行80/20的分割。
在哪种一般情况下，我应该试一种或另一种？
浏览 0提问于2018-04-23得票数 1
回答已采纳
1回答
我有667个特征，在应用分类模型(例如朴素贝叶斯/支持向量机)来提高分类模型的学习率之前，我希望找到在二进制类标签之间有显著边界的特征。
我所知道的是，如果两个类之间的特征值是重叠的，这将导致错误的分类。
因此，我做了两个样本t检验，以计算二元类标签之间特征的统计显着性。
from scipy import stats
p=[]
failure = [1]
#separate out the non-failure and failure group data into 2 dataframes to calculate the
t-test between each feature.
浏览 0提问于2017-12-28得票数 1
1回答
火花K-交叉验证
、、、
我很难理解斯派克的交叉验证。我见过的任何示例都使用它来进行参数调整，但我假设它也会执行常规的K-折叠交叉验证？
我想要做的是执行k-折叠交叉验证，其中k=5。我想得到每个结果的准确性，然后得到平均精度。在scikit中，学习这是如何完成的，其中的分数会给出每个折叠的结果，然后您可以使用scores.mean()
scores = cross_val_score(classifier, y, x, cv=5, scoring='accuracy')
这就是我在星火中所做的事情，paramGridBuilder是空的，因为我不想输入任何参数。
val paramGrid = new
浏览 1提问于2016-06-20得票数 12
1回答
对整个数据集进行K-折叠交叉验证
、、、、
我想知道我当前的程序是否正确，否则我可能会有数据泄露。导入数据集后，我以80/20的比例拆分。
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.20, random_state=0, stratify=y)
然后，在定义CatBoostClassifier之后，我使用我的训练集执行交叉验证的GridSearch。
clf = CatBoostClassifier(leaf_estimation_iterations=1, border_count=254, scale_pos_weight=1.67)
浏览 21提问于2020-05-24得票数 0
回答已采纳
嗨，我正在使用libsvm (在VS2010中)训练我的数据，我成功地使用svm-scale.c缩放输入和输出数据，并且我的数据已经准备好接受训练了.
现在我有两个问题：
1)。
正如我从LIBSVM文档中看到的那样，我意识到首先我需要训练我的缩放数据并获得一个模型。然后用这个模型来预测最终结果，但问题是，当我想训练我的系统时，我不知道我的模型参数的最佳选择是什么，特别是(C，g)用于训练我的数据！我要做的是，首先加载我的缩放数据，然后使用svm_problem填充svm_nodes中的列车数据，然后调用这个函数：
struct svm_model *svm_train(const svm_
浏览 0提问于2013-05-17得票数 0
1回答
交叉验证Vs.列车验证测试
我还有一个问题是关于上述帖子中的“响亮回答”：
训练次数为k次，每次忽略训练集的不同部分。通常，这些k模型的误差是平均的。这是对要测试的每个模型参数进行的，并且选择误差最小的模型。
当我们说“选择误差最小的模型”时，这意味着：
选择平均误差最小的参数，从K模型中找出具有绝对最小误差的模型。
我们选择平均误差最小的参数，然后在整个训练集上训练一个新的模型，使用这些参数？
我们选取平均误差最小的参数，然后取所训练的K模型的平均权值。
艾恩
浏览 0提问于2019-09-27得票数 4
2回答
我正在使用R中的C5.0在心脏病数据集上做一些分类任务，在大多数情况下，数据将被分成80%用于训练，20%用于测试，我想使用k倍交叉验证(k=10)，但我对这一点感到困惑，正如我们所知道的那样，通过使用10倍交叉验证，我们将整个数据划分为9个训练子集和一个子集进行测试。
是否可以将数据划分为训练数据的80%和测试数据的20%，然后对列车数据进行k倍交叉验证？或者我必须对整个数据集应用k-折叠交叉验证？
浏览 0提问于2017-11-20得票数 3
我用的是一些财务比率。通过构造，这些变量应该介于0和1之间。但是，由于某些原因，我最终得到值<0和>1。这些原因包括：
报告问题(胖手指错误，单元问题.)
数据库间的离散性
因会计重估而作出的酌情处理
我为什么不限制我与0,1的比率呢？
浏览 0提问于2019-08-20得票数 0
回答已采纳
我试图使用支持向量机将我的输入特性分为两类。我想用10倍交叉验证来训练支持向量机分类器。我正在使用MATLAB内置的函数。但是，在使用predict()函数和crossval()函数时，我得到了一个错误：
没有指定有效的系统或数据集。
有人知道如何解决这个问题吗？
Training_Features = X;
Training_Labels = Y;
SVMModel =
fitcsvm(Training_Features,Training_Labels,'KernelFunction','RBF');
C
浏览 0提问于2019-04-11得票数 2
回答已采纳
我有一个关于交叉验证的问题:我使用朴素的Bayes分类器对博客文章进行分类。当我验证我的数据集而没有k-折叠交叉验证时，我得到了一个0.6的精度分数，但当我进行k-折叠交叉验证时，每一个折叠都会呈现出一个更高的精度(大于0.8)。
例如：
(手动拆分)：验证集大小: 1452，训练集大小: 13063，准确性: 0.6033057851239669
然后
(k-折叠)：折叠0 ->训练集大小: 13063，验证集大小: 1452精度: 0.8039702233250621 (所有折叠大于0.8)
等等。
这一切为什么要发生？
浏览 2提问于2015-02-20得票数 0
回答已采纳
3回答
对于图像分类，目前研究的是支持向量机(support，SVM)方法，该方法利用多SVM函数对四组图像进行分类，每次随机选取训练和测试数据时，算法的性能都会发生变化。有人建议进行交叉验证，我不明白为何要进行交叉验证，其主要目的是甚麽？我的实际数据集包括训练矩阵大小28×40000和测试矩阵大小17×40000。如何通过这个数据集进行交叉验证，对我有帮助。提前谢谢。
浏览 3提问于2013-12-12得票数 2
回答已采纳
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
实时音视频活动推荐
腾讯云开发者
