1回答
我试着比较三种模型：SVM、RandomForest和LogisticRegression。我有一个不平衡的数据集。首先，我将其拆分为80% - 20%的比率来训练和测试集合。接下来，我只在火车上使用了StratifiedKfold。我现在尝试做的是拟合模型并选择最好的模型。此外，我还想对每个模型使用网格搜索，以找到最佳参数。_2, X_test_2, y_train_2, y_test_2 = X[train_index], X[t
浏览 36提问于2021-01-30得票数 0
回答已采纳
2回答
我还试图开始使用sklearn库实现一些用于回归的算法。我了解数据集，清理和准备，为这类数据集确定一套合适的算法。基于交叉验证的随机或网格搜索算法的超参数整定现在出现的问题是，我不知道该怎么办。
我是否可以考虑用最好的参数来训练算法，同时执行交叉验证？简而言之，模型投入生产是经过交叉验证的模型(例如，在步骤4中使用KFold进
浏览 0提问于2021-02-09得票数 0
回答已采纳
3回答
我们应该如何使用lightgbm.cv的字典输出来改进我们的预测呢？下面是一个例子--我们使用下面的代码训练我们的简历模型： d_train, early_stopping_rounds = 25,我们如何使用从上述代码
浏览 3提问于2017-09-28得票数 19
1回答
它采用原始设计矩阵X和响应向量Y，执行列车测试拆分(产生X_train，y_train和X_test，y_test)，然后只对训练部分执行分层K倍交叉验证。按照目前的方法，在进行交叉验证之前，原始数据集似乎正在减少40%。None],] estimator=pipe1, cv
浏览 0提问于2022-10-22得票数 2
在我的模型评估算法中，我希望得到验证数据的模型预测，并应用一种基于验证数据和预测的模型和模拟现实场景的算法。在我的场景中，评估算法不仅依赖于真实目标值(y_true)和预测(y_pred)，而且还依赖于输入验证数据(X)来输出最终的模型得分。因此，对于我的用例，我似乎不能使用带有自定义度量的估计器。实现评估/评分算法对我来说很简单，但如何将评估算法的输出传递给ML引擎的超
浏览 5提问于2018-12-15得票数 1
回答已采纳
我使用交叉验证的GridSearchCV来训练和调优不同模型类型(例如回归树、岭、弹性网等)的模型超参数。在对模型进行拟合之前，我省略了10%的样本，以便使用train_test_split进行模型验证。(见截图)。我选择具有最佳参数的模型来对未见验证集进行预测。我是不是遗漏了什么，因为我还没有看到有人在评估模型的准确性，同时<
浏览 0提问于2020-02-08得票数 2
回答已采纳
1回答
使用验证数据
、、
我不清楚使用验证数据的确切过程。
假设我拟合我的神经网络模型，并使用训练集和验证集来调整超参数。然后对这个模型上的测试集进行评估吗？还是重新组合验证和培训集，并将新的模型与我在验证阶段发现的超参数相匹配，然后对测试数据进行评估？我已经看到了许多不同的笔记本和例子，两者兼而有之。当然，一旦我找到了我的超参数，<e
浏览 0提问于2019-02-07得票数 2
回答已采纳
2回答
我对在数据集上训练不同的算法和观察性能指标很感兴趣。目前，我的方法是对训练数据进行不同的算法训练，然后在测试集上进行性能评估。然后，我使用带有交叉验证的GridSearch来为性能最好的模型找到最优的超参数，然后再用这些参数进行测试。
我对交叉验证有点困惑--这是正确的方法吗?还是有一种方法可以/应该对所有模型进行交叉验证？
浏览 0提问于2022-04-22得票数 1
问题：如果每个内循环cv进程产生不同的超参数，那么外部循环如何工作？
为了解释我的意思，我将引用上面的图像，它在外循环中有3倍，我将分别称为折叠1、2和3。对于外循环的第一次迭代，我们使用折叠1作为保持测试集，并在内部循环中通过Folds 2&3进行(Kfold )超参数调整。让我们说，这产生了一组最优的超参数：超参数集A。现在，对于外部循环的下一次迭代，使用折叠2作为测试保持集，并在Folds 1&
浏览 6提问于2022-02-18得票数 1
我正在使用xgboost来构建一个模型。数据集只有200行和10000 cols。我试过chi-2得到100科尔，但我的混淆矩阵如下所示：1 190 0我试着使用10000属性，随机选择100个属性，根据chi-2选择100个属性，但我从未得到0的预测结果是因为数据集，还是因为我使用xgboost的方式？ "seed"=
浏览 0提问于2017-10-24得票数 0
回答已采纳
1回答
如何重置ML模型的内存？
、、、、
我一直在研究二进制分类问题，使用随机森林算法、神经网络、增强方法和logistic回归等算法。步骤-1)我将.fit()应用于列车数据，评估性能(通过grdisearchcv确定最佳参数)当test_data的性能不佳时，我做了以下工作
( a)更改算法(或超参数、
浏览 0提问于2022-02-25得票数 4
回答已采纳
2回答
；https://stats.stackexchange.com/questions/11602/training-on-the-full-dataset-after-cross-validation和https://stats.stackexchange.com/questions/11602/training-on-the-full-dataset-after-cross-validation)和研究论文中，我了解到：
--对于使用k折叠
浏览 0提问于2020-10-23得票数 3
回答已采纳
1回答
我正在尝试使用scikit-学习做一个分类器，然后预测分类器的准确性。我的数据集相对较小，我不确定最佳参数。因此，我转向嵌套交叉验证(nCV)来建立和测试我的模型。 (80%/20%)将整个数据集划分为训练集和测试集，定义了内部cv、外部cv、参数网格和估计器(随机森林)运行nCV以获得平均精度分数。rf
浏览 0提问于2020-10-07得票数 1
我正在尝试拟合coxph和参数模型，同时执行特征选择和超参数调整。下面有下面的代码，可以在重采样中使用auto_fselecter或auto_tuner，但不能同时使用两者。我该怎么做？我是否需要3次嵌套重采样(内部用于特性选择，中间用于调优，外部用于性能评估)？在mlr中，我们很容易使用特性选择包装器，然后调优包装器，但不确定如何在mlr3中最好地完成它。learner$selected_features()似乎不
浏览 1提问于2021-12-04得票数 2
我对R中的ml和尝试构建一个10倍交叉验证的xgboost模型是相当陌生的。我在这里看到了文档： https://www.rdocumentation.org/packages/xgboost/versions/1.1.1.1/topics/xgb.cv 然而，在这个示例中，它纯粹使用训练数据任何使用过这个包的人都能帮助我理解这个交叉验证模型是如何测试的吗？ 谢谢
浏览 22提问于2020-07-24得票数 0
回答已采纳
1回答
不同时间的R平方分数不同
、、、
这是构建回归模型的代码，R平方输出是关于.5的：from sklearn.model_selection import进行交叉验证时，它显示了不同的R-平方值。下面是X_test和y_test参数：cv = cross_val_score(reg, X_test.reshape,
0.59771158,
浏览 1提问于2020-07-13得票数 0
回答已采纳
1回答
我是执行线性回归使用拉索方法在雪橇。Lasso CV是否符合上述协议，还是只是在相同的数据和/或在同一轮<e
浏览 3提问于2014-06-15得票数 8
回答已采纳
在评估推荐系统时，可以将其数据分成三部分:培训、验证和测试集。在这种情况下，培训集将用于从数据中学习推荐模型，而验证集将用于选择要使用的最佳模型或参数。然后，使用所选择的模型，用户可以使用测试集来评估其算法的性能。我已经找到了一个scikit学习交叉验证()的文档页面，它说，在使用k-折叠交叉验证时，不需要将数据分成三部分，而是只分为两部分:培训和测试。解决这个问题的方法是一个叫做
浏览 5提问于2017-04-05得票数 0
回答已采纳
3回答
在堆栈溢出问题()中，有一个使用createTimeSlices进行模型培训和参数优化的交叉验证示例： library(ggplot2) trControl = myTimeControl)
我需要分割可能的数据到培训和测试集使用<em
浏览 6提问于2014-07-15得票数 20
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
