我有一个数据帧df_merged，它的最后一列是标签(1或0)。我必须将这个数据帧分成3组，一组使用train_percent，另外两组使用相同的比率(1-train_percent) (这意味着0.5*(1-train_percent))。我想将数据分成3组，并保持数据与最后一列的每个值成比例
浏览 5提问于2020-04-29得票数 0
1回答
我有三个数据帧用于ML程序的训练、验证和测试。它们是从读取csv的熊猫数据帧中分离出来的。以前，我将训练和验证数据放在同一个数据帧中，但为了避免差异，我将这两个部分分成了两个数据帧。下面是我之前的代码：正如您在第一行中看到的，<code>D3<
浏览 25提问于2021-03-15得票数 0
回答已采纳
1回答
我有一个有6000条记录的数据。我有一个60-20-20的训练，验证和测试集。我用XGboost得到了大约76%的准确率。我将我的数据转换为时间序列，并应用LSTM/1-D Convnet，准确率约为60%。我的数据集是否太小，无法进行深度学习？其次，可以在每个训练上应用SMOTE，测试和验证集(在拆分数据之后)我知道在</em
浏览 34提问于2019-09-04得票数 0
2回答
转换净节省权重和新测试集
、、、
我正在使用conv net进行图像分类。有件事我理论上不明白当验证集上的度量最好时，我会节省权重(我在训练集和验证集上的性能相同)。
现在，我做一个新的拆分。训练集中的一些数据将会出现在测试集中。我加载权重并对新的
浏览 2提问于2019-06-06得票数 0
1回答
不是ML专家，但我训练机器学习模型所遵循的正常流程是经过数据清理、拆分数据集以进行训练，以及使用scikit- learning的列车测试拆分进行测试。(适合它)，它将使用验证拆分参数，如下所示这似乎再次除
浏览 1提问于2020-12-12得票数 0
回答已采纳
我正在构建一个tensorflow模型，在某些参数或特性被超过时，应该将输出作为0或1。我有训练数据集，我训练过模型，但是给出的一组数据预测是错误的。模型的精度仍为94%，预测是错误的。tf.contrib.layers.real_valued_column(k) optimizer = tf.train.FtrlOptimizer(
learning_rate
浏览 3提问于2017-06-28得票数 0
回答已采纳
1)建议在什么时候保留部分数据进行验证，什么时候不需要？例如，什么时候我们可以说80%的训练，10%的验证和10%的测试拆分更好，什么时候我们可以说简单的80%的培训和20%的测试拆分就足够了？2)另外，使用K-Cross验证是否适用于简单的拆分(训练-测试)？
浏览 26提问于2020-03-18得票数 0
回答已采纳
我想对排序后的Pyspark数据帧进行基于时间的训练测试拆分。假设前300行将在训练集中，下200行将在测试拆分中。
浏览 14提问于2019-03-13得票数 1
1回答
因此，我希望将分类数据处理为虚拟变量。int64contact_port int64我将只挑选16个特征中的X = data[features].drop(dropped_features, axis=1) return X, y
我将我的数据集划分为训练数据和测试数据最初，这两
浏览 12提问于2018-02-20得票数 1
回答已采纳
我正在做一个数据框架，我注意到有3个变量对预测标签非常重要。因此，我希望将我的数据帧拆分到测试和训练集中，但不是随机拆分，而是基于这3个变量进行分层拆分(以保持训练集中与原始数据帧中相同的分布)。
浏览 14提问于2019-03-29得票数 0
我使用交互式术语来预测一个模型：所以，我的问题是：
在使用交互式术语进行预测时，如何使用测试/训练数据进行评估，并使用交叉验证计算统计显著性？
浏览 2提问于2020-05-09得票数 0
这里已经描述了如何通过train_test_split ()在scikit中进行分层训练/测试拆分，以及如何通过np.split ()随机训练/验证/测试拆分。但是，如何进行分层训练/验证/测试拆分呢？对于分层(在类标签上)训练/验证
浏览 0提问于2016-11-27得票数 9
1回答
大家好)我正在开发股票预测的应用程序(大学项目)为了训练支持向量机模型，我需要将我的数据拆分成训练和测试集<code>D0</code>，我得到了X和Y双重集合，我需要拆分。在python中，我知道有一些函数可以轻松地将数据拆分为四个变量<code>D1</code>，但我在python中找不到这样的函数。
浏览 41提问于2020-11-21得票数 0
回答已采纳
我在一个由15位演讲者和2400个培训示例(每个数字有240个音频示例)组成的数据集上对模型进行了培训。经过3000 epochs后，该模型的精度达到97%。)参数n
浏览 0提问于2018-06-06得票数 0
在Python的“scikit-learn”库中，函数“train_test_split”将数据集分成训练集和测试集。这是一种随机的方式(可能使用种子在重复执行中获得相同的结果)。我们不应该多次重复拆分/拟合过程(例如100次)，然后平均获得分类精度吗？(可能是在通过交叉验证进行参数调整之后)。Müller和Sarah Guido，O‘’Reilly)一书中，建议的操作流
浏览 0提问于2018-08-22得票数 6
我想将数据类别划分为训练集、测试集和验证集。例如:如果我们在数据集中有3个类别:正、负和中性。正面类别分为训练、测试和验证。其他两个类别也是如此。数据的拆分比例为80%用于训练，20%用于测试。从80%的训练数据中，拆分10%用于验证数据。但最重要的是拆分<
浏览 19提问于2019-11-21得票数 0
因此，最近我一直在学习中的教程，并提出了以下问题:内部是否存在培训/验证分割？
问题是，在本教程中，主数据集被拼接到培训和测试中。在这里，训练集用于训练和评估()函数中的测试。据我所知，在处理神经网络时，通常将数据分成3组:训练、验证和测试。然而，在本教程中，它只分
浏览 0提问于2020-10-05得票数 0
回答已采纳
2回答
归一化图像数据集的最佳方法
、、、、
我有一个图像数据集，其中包含三个拆分-训练、验证和测试拆分，并希望对数据集进行标准化以使训练更容易。因此，我想从可用的数据中找出RGB值的平均值和标准差。我的疑问是--我应该考虑所有的拆分来正常化吗？
我个人的想法是，应该只使用训练分割，因为它被假设为我们训练模型所需的唯一数据。因此，从训练<
浏览 5提问于2021-07-31得票数 0
3回答
描述了测试、训练和验证集的区别。在大多数关于训练神经网络的文档中，我发现这三个集合是使用的，但是它们通常是预先定义的。
我有一个相对较小的数据集(总共906张3D图像，分布是平衡的)。在我的模型中，我使用sklearn.model_selection.train_test_split函数来拆分火车和测试集中的数据，并使用X_te
浏览 4提问于2020-01-09得票数 1
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
