腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(886)
视频
沙龙
1
回答
在
特征
重要性
和
特征
选择
之后
重
建和
训练
新
的
深度
学习
Python
模型
以
减少
特征
量
?
python
、
anaconda
、
xgboost
、
feature-selection
我正在用
python
学习
深度
学习
的
概念,我
的
项目已经完成了。这个开放项目的目的是检测肝癌,使患者避免活检,并可以比平时更快地愈合。,0.00937
的
训练
误差标准
和
0.135
的
测试误差标准 目前我真的没有错误,我只是不知道如何将这些xgboost标签翻译并获得相关
的
特征
,xgboost返回节点命名为fl1754或f93等,我在数据集中
的
特征
类似于图
浏览 20
提问于2019-05-18
得票数 1
1
回答
Facenet:使用人脸嵌入集
的
集合
computer-vision
、
deep-learning
、
conv-neural-network
、
ensemble-learning
、
mixture-model
Facenet是一种用于人脸识别的
深度
学习
模型
。它被
训练
用于提取
特征
,即用一个称为嵌入
的
固定长度向量来表示图像。
训练
后,对于每幅图像,我们
以
第二最后一层
的
输出作为
特征
向量。然后,我们可以根据
特征
和
某些距离函数(例如,欧几里德距离)进行验证(
以
判断两幅图像是否属于同一人)。三
重
态损失是一个损失函数,它基本上表示,同一人
的
特
浏览 3
提问于2017-12-26
得票数 2
回答已采纳
1
回答
随机
特征
映射
machine-learning
、
logistic-regression
我
在
练习2
的
第二部分上机器
学习
课程,我们应该使用
特征
图。他们通过将
特征
映射到x1
和
x2
的
所有多项式项直到六次方来添加
新
的
特性。然而,我
的
老师告诉我,我不应该使用这个算法,而是我应该随机添加功能。但是,为了更好地添加
新
特性,classify.So会不会随机添加特性使其变得更加复杂呢?那么,我们是否可以随机添加功能,或者应该遵循一些规则?
浏览 4
提问于2017-10-23
得票数 0
回答已采纳
2
回答
手工制作
的
特性
和
学习
的
特性有什么区别?
features
我很难理解手工制作和
学习
特性之间
的
区别。有人能帮忙吗? 谢谢。
浏览 0
提问于2019-06-24
得票数 4
回答已采纳
3
回答
分类后
的
特征
重要性
classification
、
rnn
我有时间序列数据,每个样本或多或少都有200个
特征
,我使用递归神经网络进行二值分类任务。分类
之后
,我想知道哪些特性对目标贡献最大(比如target=1)。有什么建议吗?谢谢
浏览 0
提问于2020-09-16
得票数 8
回答已采纳
1
回答
不可靠
的
特征
什么时候会对
模型
造成伤害?
machine-learning
、
feature-selection
、
feature-engineering
我认为
特征
工程在这个问题上是很重要
的
。因此,我非常小心地检查该功能
的
有效性。我喜欢线性回归,因为我认为这很容易解释,而且我不擅长机器
学习
模型
。但是我想我有另外一种方法:
在
没有仔细检查
的
情况下构建很多特性,
选择
好
的
模型
来处理它。在哪种
模型
中,添加什么样
的
特征
,会损害该
模型
的
能力?有没有什么<
浏览 0
提问于2021-04-04
得票数 0
回答已采纳
1
回答
如何使用支持向量机将卡方值用于文本分类?
svm
、
text-classification
、
chi-squared
对于文本分类问题,我既有肯定
的
训练
文档,也有否定
的
训练
文档。我计划为每个文档中
的
每个
特征
计算卡方值。有了这个值,我如何使用SVM进行分类?分类
的
阈值是多少?
浏览 0
提问于2016-10-27
得票数 0
1
回答
什么是“空间
特征
编码”?有人能举出一个具体
的
例子吗?
machine-learning
、
deep-learning
、
computer-vision
这个书“医学图像计算
的
深度
学习
和
卷积神经网络”提到了一个术语空间
特征
编码。另一方面,与以往主流
的
图像识别方法(如HAAR、SIFT、HOG图像
特征
和
spatial feature encoding、随机森林或支持向量分类器)相比,CNN
模型
具有更高
的
建模能力。考虑到
在
模型
训练
过程中需要适应
的
数百万个参数(比以前
的
管道多得多),C
浏览 0
提问于2019-07-16
得票数 2
回答已采纳
2
回答
特征
选择
和
交叉验证
statistics
、
machine-learning
、
feature-extraction
、
feature-selection
、
cross-validation
我想
训练
一个回归
模型
,为了做到这一点,我使用随机森林
模型
。然而,我也需要进行
特征
选择
,因为我
的
数据集中有太多
的
特征
,我担心如果我使用了所有的
特征
,我就会过度拟合。1-如果我将数据分成两半,在前半部分进行
特征
选择
,并使用这些
选择
的
特征
在
剩余
的
一半上进行5折叠交叉验证( CV ) (在这种情况下,5 CV将使用完全
浏览 1
提问于2013-10-29
得票数 5
1
回答
一个人能对
训练
数据
的
子集进行
特征
选择
吗?
machine-learning
、
feature-selection
、
random-forest
、
cross-validation
我有一个包含近100万行
的
训练
数据集,我最初考虑
的
是八个特性。我
的
机器
学习
模型
将是随机森林回归器。
在
“
特征
工程
和
选择
:预测
模型
的
实用方法”( 3.4.7 )一节中,有以下内容: 最后,对于大量
的
数据,替代数据使用方案可能是个好主意。可以为特定目的创建多个拆分,而不是简单
的
培训/测试拆分。例如,
在
使用培训集建立
模
浏览 0
提问于2020-11-04
得票数 6
3
回答
定义
特征
选择
和
特征
约简
的
区别
feature-selection
、
linear-regression
、
feature-engineering
特征
选择
和
特征
约简有什么区别? 我们什么时候使用特性
选择
,如果我们不使用它会发生什么?这与
特征
约简有何不同?
浏览 0
提问于2019-06-02
得票数 0
1
回答
关于mel滤波器组
特征
卷积
的
核尺寸问题
deep-learning
、
speech-recognition
、
speech-to-text
、
convolution
我很难理解关于如何在log mel滤波器组特性
的
输入上执行卷积
的
部分: 我们
训练
用于端到端语音翻译
的
seq2seq
模型
,以及用于语音识别的基线
模型
.我们发现,相同
的
架构,从10
的
变化,很好地适用于这两个任务所有型号
的
输出softmax预测了90个符号中
的
一个,详见第4节,其中包括英文
和
西班牙文小写字母。编码器共由8层组成。输入
特征
被组织为T×80×3张
量
,即原始<
浏览 2
提问于2020-11-18
得票数 0
回答已采纳
2
回答
一种适合图像
的
特征
向量
clustering
、
feature-extraction
我有一套不同网站
的
各种产品
的
图片。我想根据图像中显示
的
产品对图像进行聚类。为此,如何为图像生成合适
的
特征
向量?我只需要知道如何生成给定图像
的
特征
向量。我试过NetVLAD,但是它很慢。
在
我描述
的
场景中,我想要
的
是快速
和
高精度
的
聚类。请帮帮我。
浏览 0
提问于2019-01-08
得票数 3
2
回答
如何获得等级
特征
的
重要程度?
machine-learning
、
deep-learning
、
data-mining
、
feature-selection
、
feature-extraction
我知道下面的
特征
选择
方法 ( a)基于树
的
模型
(如Random Forest
和
Xgboost、GradientBoost等)中可用
的
特征
重要性
方法。c) SelectKbest,它使用ANOVA、Chi-square等计算input variable对target attribute
的
影响。但是不幸
的
是,对于b
和
c方法,它没有考虑特性交互。我说
的
对吗?它通过考虑目标变量
的<
浏览 0
提问于2019-12-18
得票数 0
回答已采纳
3
回答
通过交叉验证
和
网格搜索
在
imblearn管道中进行
特征
选择
python
、
sampling
、
feature-selection
、
imblearn
目前,我正在使用严重不平衡
的
数据构建一个分类器。我正在使用imblearn管道首先到StandardScaling,SMOTE,然后用gridSearchCV进行分类。这确保了
在
交叉验证过程中进行过采样。现在,我想将feature_selection包括到我
的
管道中。我应该如何将这一步包括
在
管道中?
浏览 0
提问于2019-07-01
得票数 4
4
回答
机器
学习
与
深度
学习
machine-learning
、
deep-learning
我对“机器
学习
”
和
“
深度
学习
”这两个词之间
的
区别感到有点困惑。我
在
谷歌上搜索过很多文章,但对我来说还是不太清楚。如果我把狗
和
猫分类
的
图像分类问题作为我
的
目标T,我从这个定义中了解到,如果我给一个ML算法一堆狗
和
猫
的
图像(经验E),那么ML算法可以
学习
如何区分一个
新
的
图像是狗还是猫(前提是性能度量P是很好
的
定义)。然后是
深
浏览 0
提问于2017-01-20
得票数 12
回答已采纳
3
回答
确定为什么
特征
在
决策树
模型
中很重要
python
、
machine-learning
、
scikit-learn
、
decision-tree
、
xgboost
当我们检查xgboost或sklearn梯度增强
模型
的
特征
重要性
时,我们可以确定
特征
的
重要性
。但我们不明白为什么这些功能是重要
的
,对吗?,上面的
模型
所
选择
的
特性对预测能力有正面或负面的贡献。但是,是否有一种方法可以查看一个特性是正
的
(这个特性
的
一个单位会增加y)还是负面的(这个特性
的
一个单位会
减少
y)。线性回归
模型</e
浏览 11
提问于2017-11-04
得票数 10
回答已采纳
5
回答
特征
选择
与
特征
提取。什么时候用?
feature-selection
、
feature-extraction
、
dimensionality-reduction
特征
提取
和
特征
选择
从本质上降低了数据
的
维数,但如果我是对
的
,
特征
提取也会使数据更容易分离。 哪种技术比另一种更好,什么时候会更好?我在想,因为特性
选择
不会修改原始数据和它
的
属性,我假设您将使用特性
选择
,当您正在培训
的
特性保持不变是很重要
的
。但我想不出你为什么想要这样
的
..。
浏览 0
提问于2018-03-13
得票数 21
回答已采纳
5
回答
汇集
的
真正目的
cnn
、
image-classification
、
pooling
最近,我怀疑
在
神经网络中汇聚层
的
真正目的是什么?最常见
的
答案是增加网络
的
接收字段没有真正
的
需要
选择
重要
的
特征
,因为
在
最末端
的
完全连接
的
层可以用来识别最重要
的
特征
。通过增加连续层
的
内核大小,可以增加接收域。 因此,使用池
的</
浏览 0
提问于2019-12-19
得票数 4
2
回答
组合2神经网络
python
、
neural-network
、
image-classification
、
convolution
、
pytorch
2图像作为输入,x1
和
x2,并尝试使用卷积作为相似性度量。其思想是,
学习
的
权重代替了传统
的
相似性度量(互相关,NN,.)。定义我
的
前向功能如下: out_conv1a = self.conv1(x1)out_cat = torch.cat([out_conv3a, out_conv3b],dim=1) futher_conv = nn.Conv2d(o
浏览 0
提问于2018-10-03
得票数 6
回答已采纳
点击加载更多
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
一个可以进行机器学习特征选择的Python工具
机器学习小窍门:Python 帮你进行特征选择
小白学Python数据分析之降维
特征工程:特征缩放、选择
数据集进行拆分到底什么样数据算是数据标签什么样的数据算数据样本
热门
标签
更多标签
活动推荐
运营活动
广告
关闭
领券