2回答
我想生成一个精度-召回曲线，具有5倍交叉验证，显示标准偏差，就像在example ROC curve code here中一样。下面的代码(改编自How to Plot PR-Curve Over 10 folds of Cross Validation in Scikit-Learn)给出了每一次交叉验证的PR曲线以及平均PR曲线。我还想用灰色显示</e
浏览 26提问于2019-04-06得票数 4
我正在使用交叉验证来评估具有scikit-learn的分类器的性能，并且我想要绘制精度-召回率曲线。我在scikit-learn`s的网站上找到了来绘制PR曲线，但它没有使用交叉验证进行评估。在使用交叉验证时，如何在scikit学习中绘制精确召回曲线？我执行了以下操作，但我不确定这是否是正确的
浏览 2提问于2014-10-27得票数 7
我在Weka的整个训练集上使用k重交叉验证进行超参数调整，它显示了交叉验证的平均精度、召回率和f1。我希望在python中使用Sklearn获得相同的结果。cv = StratifiedShuffleSplit(n_splits=5, test_size=0.2, random_state=42)
grid = GridSearchCV(LinearSVC
浏览 1提问于2016-11-01得票数 0
1回答
我对它的准确性相当怀疑。我已经用默认参数应用了它，精度是100%。xg_cl_default.fit(trainX, trainY)# 1.0 然而，我的数据是不平衡的(col('isFraud')==1).count())
xg_cl = xgb.XGBClassifier(scale_pos_weight = ratio, n_estim
浏览 24提问于2020-06-18得票数 0
2回答
在信息检索的背景下，像这样的一些论文谈到了聚合精度-召回曲线(参见图3)。这些曲线与Precision-Recall曲线有什么不同？这篇文章的作者似乎对这两种曲线有所不同，因为他们将图4中显示的曲线描述为精确召回曲线，而不是聚合的精确召回曲线(参见4.5节)。
浏览 0提问于2017-04-24得票数 0
我用加权的二进制交叉熵损失来训练模型，由于我的图像中存在类的不平衡，因此赋予了寄生虫类更多的权重。最后一个输出层具有sigmoid激活。训练dice_coeff：.6895，f2: 0.8611，精度: 0.6320，召回率: 0.9563
验证
浏览 0提问于2019-10-18得票数 1
我在TensorFlow中使用具有两个卷积层的CNN，一个完全连接的层和一个线性层来预测对象的大小。标签是大小，特征是图像。两种方法的准确率都有所提高，但交叉验证准确率的提高速度较慢。考虑到精度上
浏览 3提问于2018-09-07得票数 0
我想使用AUC的精确和召回曲线作为一个指标来训练我的模型。当使用交叉验证时，我是否需要为此做一个特定的记分员？# split into train/test sets
trainX, testX, trainy=10, n_repeats=
浏览 6提问于2021-05-24得票数 2
回答已采纳
1回答
关于如何处理不平衡数据的主要选项
、、、、
据我所知，大致上有三种处理二进制不平衡数据集的方法：随机创建k折叠交叉验证样本(或者更好地使用分层k折叠：https://scikit-learn.org/0.16/modules/generated对于每一个折叠分别在“训练”和“测试”集上应用一种重采样技术(上采样、下采样或两者的组合)。随机创建k折叠交
浏览 0提问于2020-06-07得票数 2
2回答
我想评估不同模型的性能，例如SVM，RandForest，CNN等，我只有一个数据集。因此，我将数据集分为训练集和测试集，并在此数据集上使用训练数据训练不同的模型，使用测试数据集进行测试。我的问题是:我能否仅在一个数据集上获得不同模型的真实性能？例如:我发现SVM模型得到了最好的结果，那么我应该选择支持向量机作为我的最终分类模型吗？
浏览 0提问于2015-11-12得票数 1
目前，我正试图对非常不平衡的数据运行sklearn的RepeatedStratifiedKFold交叉验证。', cv=cv, n_jobs=-1)
我得到的结果显示，平均准确率很高(94%)，平均精度很低(5%)，召回率(1%)很低。我想知道我的交叉验证是否只适用于它所做的训练分裂，而不是测试分裂。这将解释为什么我会有如此高的精确度和
浏览 2提问于2021-12-29得票数 0
1回答
为了评价我的图像检索系统，我阅读了很多关于精确回忆曲线的文章。特别是，我正在阅读关于VLFeat中的特性提取器的文章和关于精确召回的。我的直觉是:当检索到的元素列表有等于1的回忆时，我们就停止了，所以我们检索所有相关的元素(即没有假否定，只有真正
浏览 6提问于2016-11-29得票数 0
回答已采纳
利用matlab训练二值分类神经网络模型，给出了在隐层中使用20个神经元得到的图。交叉熵与年代之间的混淆矩阵和图。
为了防止模型中的过度拟合，损失图中的训练曲线应该与验证曲线相似。但在目前的情况下，第三张图显示了验证曲线与训练相似的曲线，尽管与上述曲线中两条曲线的分叉曲线相比，总体精度
浏览 0提问于2018-05-19得票数 3
1回答
我有一个不平衡的问题(2%的目标类)，因此需要一个适当的度量-所以我选择了average_precision。我的代码：estimator, X, y, cv=cv, n_jobs=2, train_sizes=train_sizes, scori
浏览 0提问于2020-12-15得票数 -1
下面示例的结果是30个精度值(3x10分裂)。如何计算3乘10倍cv的最终精度值？cv = RepeatedStratifiedKFold(n_splits=10, n_repeats=3, random_state=rand)scores = cross_val_score(rf, data, Y, scoring='accurac
浏览 0提问于2020-01-26得票数 2
我正在比较用于海上搜索和救援(SAR)目的的目标检测模型。从我使用的模型，我得到了最好的结果YOLOv3的改进版本的小对象检测和更快的RCNN。对于YOLOv3，我得到了最好的mAP@50，但是为了更快的RCNN，我得到了更好的其他指标(精确性、回忆性、F1分数)。现在我想知道如何阅读它，在这种情况下哪种模式更好呢？
我想补充的是，数据集中只有两个类:小对象和大对象。我们之所以选择这个解决方案，是因为对象在类
浏览 11提问于2020-07-18得票数 4
回答已采纳
我还希望进行交叉验证，但在交叉验证之后，我希望对整个数据集进行训练。我发现cross_validation.cross_val_score()只返回分数。编辑:我想用我所有的数据来训练具有最佳交叉验证分数的分类器。
浏览 1提问于2014-03-24得票数 2
在由分类_报告提供的sklearn中，我应该看哪个分数来确定我的模型的准确性？0.23 0.12 0.16 230
据我所知：F1-分数是精确性和回忆性的调和平
浏览 0提问于2017-10-31得票数 1
3回答
我有一个相当不平衡的数据为违约风险信用评分(2:98)。这两种成本都是相当重要的，即虚假负数意味着违约造成的损失，而假阳性则是一种损失的收入机会。我试着在不平衡的集合上训练一些模型，并尝试过/不抽样的方法，以及基于课堂的重量平衡。所有这些办法都促成了一个像样的ROCAUC。然而，精确召回曲线在整体上看上去很糟糕。但如果我要平衡测试集，精确召回曲线看起来要好得多。这一切为什
浏览 0提问于2018-10-29得票数 5
我训练了一个对象检测模型(大约1400个训练图像，180个验证和180个测试图像，有6个类和包围框烦恼)使用顶点-ai自动特性。我遵循这个，一切顺利，我可以训练模型(使用automl作为方法)。评价结果如下同时，我还附上了精确召回曲线。
在这里，我对指标有一些疑问。
如果我更改IoU阈值(使用bar)，平均精
浏览 6提问于2022-10-12得票数 0
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
云直播活动推荐
腾讯云开发者
