在训练集上运行分类器不起作用
可能是由于以下原因：
- 数据集问题：训练集可能存在标签错误、样本不平衡、噪声数据等问题，导致分类器无法准确学习和预测。解决方法包括数据清洗、数据平衡技术（如欠采样、过采样）和特征工程等。
- 特征选择问题：训练集中的特征可能不具有足够的区分度，无法有效区分不同类别的样本。可以尝试使用特征选择算法（如卡方检验、信息增益）来选择最具有代表性的特征。
- 模型选择问题：选择的分类器可能不适合解决当前的分类任务。不同的分类问题可能需要使用不同的算法，如决策树、支持向量机、神经网络等。可以尝试使用其他分类算法或集成学习方法来提高分类器的性能。
- 参数调优问题：分类器的参数可能没有经过充分调优，导致性能不佳。可以使用交叉验证等方法来选择最优的参数组合，或者使用自动调参工具进行参数优化。
- 过拟合问题：训练集上的分类器性能良好，但在测试集上表现不佳，可能是由于过拟合现象。过拟合指的是模型过于复杂，过度拟合了训练集中的噪声和异常样本，导致泛化能力不强。可以通过增加训练样本、减少模型复杂度、正则化等方法来缓解过拟合问题。
腾讯云相关产品和产品介绍链接地址：
- 数据清洗和特征工程：腾讯云数据清洗服务（https://cloud.tencent.com/product/dqc）
- 特征选择算法：腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）
- 不同分类算法：腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）
- 参数调优工具：腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）
- 自动调参工具：腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）
相关·内容
1回答
我使用的是IRIS数据集(Iris.data) #Preparing for Data Classification X = np.arrayset X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1)
在以下情况下
浏览 19提问于2019-07-22得票数 0
我理解了交叉验证和分裂的概念，分类器将从训练数据学习和测试测试数据分裂。如果我首先使用“使用培训数据”运行分类，然后在分类选项卡中使用"SUpplied测试集“选项，然后再次运行，会发生同样的情况吗？为了在分类选项卡中更清楚地说明，我运行了两次...first，训练数据集被上传到预处理选项卡下，然后在分类</e
浏览 0提问于2013-10-05得票数 0
1回答
我正在训练一个随机森林分类器在python上使用学习的图像数据集。因为我在进行图像分割，所以我必须存储每个像素的数据，这最终是一个巨大的矩阵，比如100,000,000长的数据点矩阵，所以当在该矩阵上运行RF分类器时，我的计算机会得到一个内存溢出错误，并且要花费很长时间才能运行我的一个想法是在数据集的顺序小批上训练分类器
浏览 6提问于2016-12-13得票数 6
回答已采纳
我正在使用WEKA进行分类。我在Java代码中使用了WEKA jar文件。我的训练数据集有56000个实例和1253个特征。我正在使用简单的分类算法，如逻辑回归，J48，随机森林随机树等。在为其他分类器建立训练模型的同时，我的程序持续运行了6-7个小时，但我没有得到任何结果或错误。
谁能建议一些更快的方法来在大数据集上训练WEKA分类器<
浏览 7提问于2016-07-10得票数 0
2回答
我正在使用Weka对一组带标签的网页执行分类，并使用AUC测量分类器性能。我有一个单独的六级因子，它不用于分类，我想知道分类器在每个因子级别上的表现如何。我应该使用什么技术或度量来测试数据子集上的分类器性能？
浏览 3提问于2010-09-08得票数 0
2回答
在创建训练集的过程中，我输入了"true“和"false”，顺序与在WEKA中创建测试集时输入的顺序相同。这些标称值用于class属性。当我运行分类器时，不知何故，我感觉结果看起来好像在测试集中是相反的。我的问题是，如果训练集中的第一行显示类值为"False"，并且如果训练的模型用于测试集上的SVM分类器，
浏览 0提问于2012-07-31得票数 4
回答已采纳
我的原始数据集有500个实例，有10个类，并且存在类不平衡对于新的样本数据集，我应用了j48分类器，并获得了75%的准确率。
我的问题是，我怀疑我的数据对于分类器来说是过度拟合的。
浏览 0提问于2013-08-22得票数 0
1回答
我正在使用Weka软件对模型进行分类。我对使用训练和测试数据集分区感到困惑。我将整个数据集的60%划分为训练数据集，并将其保存到我的硬盘上，将40%的数据用作测试数据集，并将这些数据保存到另一个文件中。我使用的数据是不平衡的数据。因此，我在我的训练数据集中应用了SMOTE。之后，在Weka的分类选项卡中，我从Test options中选择了Use training set选项，并使用随机森林
浏览 39提问于2021-10-21得票数 0
回答已采纳
遵循Tensorflow教程中的虹膜分类问题，我正在尝试构建一个DNN分类器模型来识别手写字符。遇到了对测试数据的质疑。
我假设在正常的机器学习中，测试数据是未标记的。为什么在tensorflow中，测试数据也应该被标记？有没有什么方法可以使用DNN分类器或tensorflow中的任何其他分类器输入未标记的测试数据？
浏览 18提问于2018-07-27得票数 1
决策树的工作原理是在每个节点上拆分训练子集，遍历根到叶节点，直到我们得到分类/回归结果。
但是实际的决策边界(权重)是如何计算的呢？我们使用成本函数在每个节点上执行拆分。例如，为了构建AdaBoost分类器，训练第一个基本分类器(例如决策树)，并使用该分类器对训练集进行预测。然后增加错误分类的
浏览 45提问于2019-04-14得票数 1
1回答
OpenCV串行级联返回垃圾
、、、、
我正在尝试训练一个级联分类器来检测图像中的鹿。问题是我的分类器总是在输入图像的正中心恰好返回一个正命中。这对于测试图像、来自正集的训练图像和来自负集的训练图像都是正确的。然后，我使用以下命令训练我的级联分类器：
.5个小时来训练，但是每当我使用以下命令在图像上测试分类器时，该
浏览 0提问于2014-10-10得票数 1
1回答
机器学习的最佳模型
、、、、
通过将数据分割成训练和测试数据来说明、训练您的模型，然后对模型进行拟合以预测测试输出和错误，对数据进行洗牌，并将误差平均在大约100个或更多个周期内。另一件我也在挣扎的事情是，如果把最小的误差模型作为未知数据预测的模型，通过保持X_train和y_train相同的最好的model.And，如果我在同一数据库中选择了超过400次的X_test和y_test
浏览 0提问于2018-04-14得票数 1
1回答
因此，我使用MNIST数据集为我正在处理的一个ML项目创建了一个分类器。我增加了数据，通过移动每个原始点2像素向上，向下，左，右(因此，我有24万新图像，除了60,000原始图像)。我想知道我是否应该用一个洗牌训练集来重新训练我的模型，因为我认为(如果我错了请纠正我)，KNN分类器中的训练数据的顺序在最后的模型中不起作用，因为预测是在最近的邻居上进行的，而调整数据集</em
浏览 0提问于2020-12-26得票数 0
回答已采纳
我的数据集大约有75,000行和1,100列，我的列车/测试间隔是火车的前3年(66,000行)，最后的0.25年(3个月或9,000行)用于测试。所以，我尝试的是一遍又一遍地重新训练分类器，直到do看到分类测试数据的精确性，然后保存到磁盘中，以便在新的数据输入时用于实时分类。有些人可能会说，这个模型与测试data...which的拟合度过高，但我认为，由于训练中的随机性，在第一次迭代和第100次迭代中找到一个很好的匹配并不重要，因为完全是偶
浏览 3提问于2016-06-03得票数 0
1回答
机器学习查询
、、、
“训练集用于计算机器学习模型的参数，验证数据用于计算同一模型的超参数(我们使用相同的权重，不同的超参数)，测试集用于评估我们的模型”。如果是真的，有人能更详细地解释一下整个过程吗？蒂娅。
浏览 26提问于2018-06-07得票数 -4
回答已采纳
2回答
我有一堆训练图像(.jpg格式)，我想给作为训练输入到学习的支持向量机分类器。知道什么是最好的方法吗？data = digits.images.reshape((n_samples, -1))
我的问题是，如果我有自己的一组图像，我想作为一个训练集加载到S
浏览 4提问于2014-01-20得票数 3
回答已采纳
我将e1071与R结合使用，并一直在介绍詹姆斯、维滕、哈斯蒂和蒂斯拉尼的统计学习。
我的问题是:为什么当我使用“预测”时，我似乎没有任何分类错误，但是调优函数的结果表明错误率为非零？
浏览 2提问于2013-09-07得票数 3
回答已采纳
1回答
这是我想出来的但不确定这是否有意义，将训练数据集分为F1、F2和F3三部分。在F1上对基本分类器进行训练，使用F2进行早期停止，并从F3 -> F3的折叠预测中退出(F3‘是基分类器在F3上所做的一组预测)
在F2
浏览 0提问于2022-02-10得票数 0
1回答
集成技术-增强
、、、、
我知道boosting是一种顺序学习技术，它在对错误分类的数据点增加权重之后，将先前模型中的预测作为新模型的数据集。对于错误分类的权重是如何增加的，对于正确分类的权重是如何减少的，这一点尚不清楚。
浏览 0提问于2019-10-06得票数 0
回答已采纳
1回答
当对整个数据集进行分类器训练时，我会得到内存错误，因此我将数据集分成小部分，并为每个分类器对象训练一个单独的分类器对象。我在用NLTK。
浏览 1提问于2016-05-01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
