在R(插入符号)中重新运行preProcess()、predict()和train()时模型精度不同
在R中重新运行preProcess()、predict()和train()时模型精度不同的原因可能有多种。下面是一些可能导致这种情况的因素：
- 数据集的变化：如果重新运行preProcess()时使用了不同的数据集，那么模型的精度可能会有所不同。数据集的变化可能包括样本数量、特征数量、特征分布等方面的变化。
- 随机性：某些机器学习算法在训练过程中使用了随机性，例如随机森林和神经网络。因此，即使使用相同的数据集和参数，每次运行时都可能得到稍微不同的模型精度。
- 参数调整：在重新运行preProcess()、predict()和train()时，可能对模型的参数进行了调整。参数的不同取值可能会导致模型的精度有所不同。
- 特征选择：preProcess()函数可能会对特征进行选择或转换。如果重新运行时选择了不同的特征，那么模型的精度可能会有所不同。
- 模型保存和加载：如果在重新运行preProcess()、predict()和train()之间保存和加载了模型，那么模型的精度可能会受到加载过程中的一些因素的影响。
为了解决模型精度不同的问题，可以尝试以下方法：
- 确保使用相同的数据集：检查数据集是否发生了变化，包括样本数量、特征数量和特征分布等方面。
- 固定随机种子：对于使用了随机性的算法，可以固定随机种子，以确保每次运行时得到相同的结果。
- 参数调优：尝试不同的参数取值，通过交叉验证等方法选择最佳的参数组合。
- 检查特征选择：确保在重新运行时使用相同的特征选择方法和参数。
- 检查模型保存和加载过程：确保在重新运行之间正确保存和加载模型。
需要注意的是，以上方法可能并不适用于所有情况，具体的解决方法需要根据具体情况进行调整。
关于腾讯云相关产品和产品介绍链接地址，由于要求不能提及具体品牌商，建议查阅腾讯云官方文档或咨询腾讯云的技术支持团队获取相关信息。
相关·内容
1回答
在指定了一个用于插入符号：：train的配方之后，我正在尝试预测新的样本。我对此有几个问题，因为我在插入符号/食谱文档中找不到。
我应该使用predict.train()还是predict()？有什么区别吗？
在使用预测之前，我应该先用准备好的配方来烘焙测试数据吗？在列车()中直接使用preProcess时，建议您不要使用preProcess新数据，因为train对象会自动这样做。在使用菜谱时也是这样吗？
下面是一个可重复的示例，说明了我的过程以及使用predict predict.train时预测的差异。
library(recipes)
library(caret)
# D
浏览 3提问于2019-03-11得票数 4
回答已采纳
我更喜欢在拟合模型时使用插入符号，因为它的相对速度和预处理能力。然而，我对它如何做出预测感到有点困惑。当比较直接从火车物体做出的预测和从提取的最终模型中得出的预测时，我看到的是非常不同的数字。来自火车物体的预测似乎更准确。
library(caret)
library(ranger)
x1 <- rnorm(100)
x2 <- rbeta(100, 1, 1)
y <- 2*x1 + x2 + 5*x1*x2
data <- data.frame(x1, x2, y)
fitRanger <- train(y ~ x1 + x2, data = data,
浏览 0提问于2018-05-17得票数 2
回答已采纳
我使用插入字符串函数和preProcess选项：
fit <- train(form,
data=train,
preProcess=c("YeoJohnson","center","scale","bagImpute"),
method=model,
metric = "ROC",
tuneLength = tune,
trCon
浏览 3提问于2014-10-24得票数 0
回答已采纳
在插入包的列车功能中，可以执行预测器的对中和缩放，如下例所示：
knnFit <- train(Direction ~ ., data = training, method = "knn",
preProcess = c("center","scale"))
在列车上设置这种变换，可以更好地评价该算法在重采样过程中的性能。
在这种情况下，当我使用模型来预测新数据的响应时，我应该关心的是中心化和缩放，还是将这个操作包含在最终的模型中？
以下操作是否足够？
pred <- predict(knnFit, n
浏览 3提问于2016-01-07得票数 10
回答已采纳
1回答
我已经使用r中的插入程序包成功地创建了一个多层感知器模型。如何绘制神经网络模型？我的代码如下
ctrl <- trainControl(method="repeatedcv", number=10, repeats =5)
mlpMLFit <- train(demand ~ ., data = datatrain, method = "mlpML", trControl = ctrl, preProcess = c("center", "scale"), tuneLength = 20)
mlpMLFit
plot(
浏览 10提问于2020-05-25得票数 0
我很难理解哪些数据集需要用于模型选择阶段和最终的模型测试阶段:培训、验证和测试。我试图在下面详细解释它，同时在底部张贴可重复的代码。谢谢您的建议和建议！
假设我们使用Kaggle上可用的开放数据集来创建关于特性的预测，同时使用RMSE作为我们的错误度量。(我在这里询问更多关于简历背后的概念，而不是针对最低的RMSE)。，我们首先从原始的数据集led中划分一个训练和测试集led_train和led_test。
接下来，我们用y= Life expectancy和x= GDP建立了一个具有led_train =数据的线性模型，并对随机森林模型和knn模型进行了同样的处理，使用的是使用Caret包的
浏览 0提问于2020-07-29得票数 0
我搞不懂for m in range(1, len(X_train)):在model.fit(X_train[:m], y_train[:m]) y_train_predict = model.predict(X_train[:m])行中做了什么。所以我认为m会遍历每个循环m+=1的训练data.and的大小，但我不能理解其余的 from sklearn.model_selection import train_test_split
def plot_learning_curves(model, X, y):
X_train, X_val, y_train, y_val = tra
浏览 11提问于2021-02-06得票数 0
回答已采纳
2回答
我可能在这里犯了一个非常简单(也很愚蠢)的错误，但是我不能理解它。我正在使用来自Kaggle ()的一些数据，并尝试将支持向量机与Caret包一起使用来进行一些分类。如果我只是将标签值作为numeric类型插入到函数中，Caret中的train函数似乎默认为回归，并且性能相当差。因此，我接下来尝试使用函数factor()将其转换为因子，并尝试运行支持向量机分类。下面是一些代码，我在其中生成一些虚拟数据，然后将其插入Caret：
library(caret)
library(doMC)
registerDoMC(cores = 4)
ytrain <- factor(sample(0:9
浏览 5提问于2012-12-17得票数 8
回答已采纳
1回答
我有一个数据集，我想要对一个变量进行一个热编码，并构建一个模型(lm)。
这个变量称为“区域”。
我想做的是：
lm_model <- train(formula(paste0("price ~", paste0(features, collapse = " + "))),
data = predict(dummyVars( ~ "zone", data = data_train), newdata = data_train),
method = "lm&#
浏览 3提问于2020-04-13得票数 1
回答已采纳
日安 我使用插入符号函数中的preProcess()函数来相应地缩放我的训练数据。我还有一个测试数据集，我想用训练集中相同的均值和标准差进行缩放。通过这种方式，我将测试数据视为全新的/看不见的数据，这些数据是根据我基于训练数据观察到的数据进行缩放的。 我有以下代码： train = training data
test = test data (want to treat this as unseen)
preprocess_values_train = preProcess(train, method = c("center", "scale"))
tra
浏览 40提问于2020-06-24得票数 1
回答已采纳
使用train()和preProcess()，我想使用PCA建立一个预测模型，其中前7个主成分作为我的预测指标。
下面的内容可以使用，但我无法指定PC的数量：
predModel2 <- train(diagnosis~., data=training2, method = "glm", preProcess = "pca")
我尝试过这样做，以指定PC的数量，但我不知道如何将它合并到train()中：
training_pre<-preProcess(training[,ILcols],method = c("center", &#
浏览 1提问于2016-03-31得票数 0
回答已采纳
2回答
我一直在尝试对R中的一些缺失值进行KNN补偿，但它在列中引入了负值，而这些列根本不应该有任何负值，比如Age。(Age确实有缺失值，但我不希望它被负值估算)。
下面是我的代码：
#KNN Imputation:
preProcess_missingdata_model <- preProcess(train, method='knnImpute')
preProcess_missingdata_model
# Use the imputation model to predict the values of missing data points
library(
浏览 25提问于2018-09-04得票数 0
我正在尝试在Kaggle R笔记本上重现R脚本的结果。我已经使用插入符号包成功地训练了波士顿房价数据集。但是，当我尝试使用立方体函数创建最终的模型时，我得到了一个错误消息。 prepare the data transform using training data
set.seed(7)
x <- dataset[, 1:13]
y <- dataset[, 14]
preprocessParams <- preProcess(x, method = c("BoxCox"))
transX <- predict(preprocessParams, x
浏览 7提问于2021-08-31得票数 0
我正在使用Caret包训练函数来拟合模型，然后进行预测，以预测未知数据集上的值(然后我会获得反馈，以便了解预测的质量)。我遇到了一些问题，我确信这与预处理未知数据有关。
简单地说，这就是我要做的：
预处理训练数据：
preproc = preProcess(train_num,method = c("center", "scale"))
train_standardized <- predict(preproc, train_num)
训练模型：
gbmGrid <- expand.grid(interaction.depth = c(1, 5,
浏览 1提问于2016-03-16得票数 2
1回答
在插入符号如何保存最小尺寸模型。在本例中，gbmFit1包含gbmFit1$trainingData。保存gbmFit1会保存所有这样的变量。由于我的训练数据很大，我想去掉所有这些额外的变量，并希望以最小的大小保存模型。
library(mlbench)
library(caret)
data(Sonar)
x <- Sonar[, colnames(Sonar)!="Class"]
y <- Sonar$Class
gbmFit1 <- train(x,y, method = "gbm", verbose = FALS
浏览 6提问于2017-08-29得票数 3
我正在尝试使用来自keras的VGG16来训练图像检测的模型。
基于这些文章(和)，我在VGG 16模型中添加了一些密集层。20例epoche的训练准确率在35% ~ 41%之间，与这些文章的结果不一致(90%以上)。
因此，我想知道，下面的代码做错了什么吗？
基本设定
url='/content/drive/My Drive/fer2013.csv'
batch_size = 64
img_width,img_height = 48,48
# 0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral
浏览 4提问于2021-01-26得票数 0
回答已采纳
寻找关于以下错误的反馈。几年前，我建立了一个随机森林分类模型，现在我只是尝试在一个新的数据集上在rStudio中再次运行它。希望有人能教我这个错误。
#load libraries
library(readr)
library(randomForest)
#load Random Forest model
rf_model <- readRDS("my_model.rds")
#import files
set1 <- read_csv("set_1.csv")
set2 <-
浏览 8提问于2022-07-11得票数 0
回答已采纳
在下面的示例中，当使用公式(y~x)调用的插入符号：：train函数生成模型时，predict函数会生成错误。如果模型是使用x，y规范生成的，则可以使用预测函数。为什么会这样呢？应该使用x，y规范吗？直到现在，我还以为它只是基于用户的喜好？有没有一种方法可以使预测函数与公式规范一起工作？
我曾认为由于因子变量的使用，模型可能会有所不同。然而，这些模型似乎产生了相同的回归方程。样本内预测没有差异。
library(ggplot2)
library(caret)
data("diamonds")
set.seed(42)
trainIndex <- createDataPar
浏览 5提问于2018-01-08得票数 4
我正在对类似于插入符号指南中的内容的fit进行预测：
predictions <- predict(caretfit, testing, type = "prob")
但我知道错误是：
Error in apply(x, 1, paste, collapse = ",") :
dim(X) must have a positive length
我想知道( 1)诊断这些错误的一般方法，这些错误是对像这样或2)函数的错误输入导致的，为什么我的代码失败了。
1)因此，看看这个错误，这与“X”有关。哪个论点是x？显然，在“应用”中的第一个论点，但哪一个论点
浏览 2提问于2016-12-19得票数 1
回答已采纳
1回答
我有这样一个数据集：
library(caret)
data <- iris
train <- data [1:75,]
test <- data[76:150,]
所以，我一共上了三节课，但是：
火车:长春花和五倍子
试验:花生酱和处女
我试着设置一个决策树，但显然它不起作用，因为训练和测试没有相同的课程。我的R码是：
trainctrl <- trainControl(method = "cv", number = 5, verboseIter = FALSE)
dt.model <- train(Species~., data=train,
浏览 0提问于2022-03-08得票数 0
1回答
我正在使用R中的caret包进行一些有监督的多变量分析。我正在尝试向我的脚本添加一些功能，以便在脚本运行时允许可重现的结果。
我有两个分类模型的设置(每个模型都是单独运行的，而不是作为enesmble)：
library(caret)
load.data = ....
cleaned.data = cleaning(load.data)
mycontrol = trainControl(...)
train, test = createDatapartition(...)
model1 = train(...,
data=train, ...,
浏览 1提问于2017-07-21得票数 0
回答已采纳
1回答
我想绘制knn回归图，有没有什么函数或最好的方法来绘制机器学习回归图？一旦我选择了最好的模型，我应该绘制什么？ 非常感谢您的帮助！ df <- mtcars
library(caret)
set.seed(123)
trainRowNumbers <- createDataPartition(df$mpg, p=0.8, list=FALSE)
trainData <- df[trainRowNumbers,]
testData <- df[-trainRowNumbers,]
y = trainData$mpg
preProcess_range_model <
浏览 13提问于2019-12-27得票数 0
回答已采纳
我正在运行一个回归问题并评估它的性能。我想知道我的R平方值怎么会和我的交叉验证分数如此不同。这是过度适应的迹象吗？这是我设计的一个例子。X和Y分别被定义为特征和目标。
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=.2, random_state=47)
knn = neighbors.KNeighborsRegressor(n_neighbors=40, weights='distance')
knn.fit(X_train, y_train)
y_preds_train = knn
浏览 3提问于2020-10-06得票数 0
回答已采纳
1回答
在对学习者进行调优并使用它之后，我们可以使用它通过命令行进行预测。
predict(Learner, newdata, predict_type="response")
但是，我们如何计算预测的置信区间呢？
task <- TaskRegr$new("data", data, "y")
learner <- lrn("regr.xgboost")
preprocess <- po("scale", param_vals = list(center = TRUE, scale = TRUE))
p
浏览 3提问于2020-10-07得票数 1
回答已采纳
我有一个关于为R模型服务的mlflow问题，下面是我训练和序列化R模型的代码。
library(mlflow)
library(caret)
library(carrier)
set.seed(101)
sample <- createDataPartition(iris$Species, p=0.80, list=FALSE)
iris_train <- iris[sample,]
iris_test <- iris[-sample,]
with(mlflow_start_run() , {
control <- trainControl(method=&
浏览 4提问于2021-12-31得票数 1
回答已采纳
我试图使用火车从卡雷特与一个包不包括，我得到一个错误，我没有设法弄清楚，有什么想法吗？我用开始了
bmsMeth<-list(type="Regression",library="BMS",loop=NULL,prob=NULL)
prm<-data.frame(parameter="mprior.size",class="numeric",label="mprior.size")
bmsMeth$parameters<-prm
bmsGrid<-function(x,y,len=NULL
浏览 3提问于2015-10-16得票数 5
1回答
我使用caret包来用treebag方法预测时间序列。caret估计，套袋回归树有25个自举复制。
我很难理解的是，“树袋模型”的最终预测与25棵树中的每棵树的预测是如何相关的，这取决于我是否使用caret::preProcess。
我知道和其中的相关资源。(但无法从中得出正确的结论。)
下面是一个使用economics数据的示例。假设我想预测unemploy_rate，它必须首先创建。
# packages
library(caret)
library(tidyverse)
# data
data("economics")
economics$unemploy_rate
浏览 2提问于2018-01-05得票数 3
回答已采纳
1回答
我在为nnet提取插入符号的finalModel参数时遇到了问题。如果我使用-在我的脑海中-完全相同的参数插入：：火车和nnet：：get：：get，我得到(有时)很大的差异。我是否忘记了一个参数，或者这是由于神经网络的计算算法造成的？我知道我可以使用caret_net的predict (在下面的例子中)，但我仍然希望只使用nnet来重现结果。
示例：
library(nnet)
library(caret)
len <- 100
set.seed(4321)
X <- data.frame(x1 = rnorm(len, 40, 25), x2 = rnorm(len, 70,
浏览 3提问于2018-01-24得票数 0
回答已采纳
1回答
我是一名电气工程师，我正在寻找一种解决方案来计算永久同步电动机的直流电流。所以我决定用Keras检查ANN解决方案，所以on.Long故事简短，我将展示一些测量的的屏幕截图。
前5个信号是测量信号。最后一个是直流电流，我将对其进行估计。在这里，该值是在电流钳位的帮助下记录的。好的，我开始用Python构建一个模型，并尝试了一些我认为可以提高模型准确性的东西。但在所有这些之后，我并没有从模型中获得那么好的结果，我希望我可能选择了错误的参数或不是一个理想的模型。
下面是我的代码：
import numpy as np
from keras.layers import Dense, LSTM
fro
浏览 5提问于2021-03-08得票数 1
1回答
我已经建立了一个glm模型使用R包“插入”，我想评估它的性能使用RMSE。我注意到这两个RMSE是不同的，我想知道哪一个是真正的RMSE？
此外，如何从模型中提取训练数据、测试数据和预测数据(基于最优调谐参数)的每个折叠(总计为5*5=25)？
library(caret)
data("mtcars")
set.seed(100)
mydata = mtcars[, -c(8,9)]
model_glm <- train(
hp ~ .,
data = mydata,
method = "glm",
metric = "RM
浏览 8提问于2022-10-10得票数 0
回答已采纳
1回答
我觉得我的问题很奇怪。当我使用RMSE度量进行train函数的最佳模型选择时，我得到了与我自己的函数在相同数据上计算出来的不同的RMSE值。问题在哪里？我的功能有问题吗？
library(caret)
library(car)
library(nnet)
data(oil)
ztest=fattyAcids[c(81:96),]
fit<-list(r1=c(1:80))
pred<-list(r1=c(81:96))
ctrl <- trainControl(method = "LGOCV",index=fit,indexOut=pred)
浏览 3提问于2014-08-07得票数 0
回答已采纳
3回答
我在我的数据上使用两个不同的软件包训练两个SVM模型，得到了截然不同的结果。这是意料之中的事情吗？
使用e1071的model1
library('e1071')
model1 <- svm(myFormula, data=trainset,type='C',kernel='linear',probability = TRUE)
outTrain <- predict(model1, trainset, probability = TRUE)
outTest <- predict(model1, testset, probabi
浏览 4提问于2013-09-20得票数 8
1回答
在插入符号包中，有一种叫做trainControl的东西，它允许我们执行各种交叉验证。要执行10折交叉验证，可以使用
fitControl <- trainControl(method= "repeatedcv", number = 10, repeats = 10)
fitJ48_10_fold <- train(x = x, y =y, method = "J48", trControl= fitControl)
而对于训练集，它是
fitControl <- trainControl(method= "none")
fit
浏览 0提问于2015-02-11得票数 2
回答已采纳
1回答
如何在预测中使用重缩放
、、、、
我在R下训练我的Keras模型，在文件夹中存储了4类图像。我使用train_datagen和重缩放：
train_datagen = image_data_generator(
rescale = 1/255,
rotation_range = 40,
width_shift_range = 0.2,
height_shift_range = 0.2,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = TRUE,
fill_mode = "nearest"
)
然后，我使用我的模型来预测
浏览 14提问于2019-08-13得票数 0
回答已采纳
2回答
正如标题所说，我的代码产生低精度的火车和高精度的测试。
首先，我将数据集拆分为训练集和测试集。
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)
然后我给我的模型安装了训练集。
model = LogisticRegression(max_iter=10000, penalty='l2')
model.fit(X_train, y_train)
之后，我打印了模型的训练精度。
predictions = model.predict(X_train)
p
浏览 0提问于2022-02-04得票数 0
回答已采纳
1回答
我正在用r中的插入符号包构建一个C5.0模型。
control <- trainControl(method = "repeatedcv",
number = 10,
repeats = 3,
classProbs = TRUE,
sampling = 'smote',
returnResamp="all",
浏览 1提问于2018-06-14得票数 0
回答已采纳
我的问题是典型的前馈单隐层反向支撑神经网络，在软件包nnet中实现，并在包插入中使用train()进行训练。这与有关，但在R中nnet和插入符号包的上下文中。
我用一个简单的回归示例演示了这个问题，其中Y = sin(X) + small error
raw Y ~ raw X:预测的输出在原始Y < 0中一致为零。
scaled Y (to 0-1) ~ raw X：解决方案看起来很棒；参见下面的代码。
代码如下
library(nnet)
X <- t(t(runif(200, -pi, pi)))
Y <- t(t(sin(X)))
浏览 4提问于2014-09-12得票数 2
我试图转移学习ResNet50的图像分类CIFAR-10数据集.
在最初的论文和ResNet50文档中都提到了keras.io上的ResNet应该有一个最小的输入形状为32x32。但我不能取得任何好的结果。
在这里，我创建并编译了顺序模型：
model = Sequential()
model.add(ResNet50(include_top=False, weights='imagenet', input_shape=(32,32,3)))
model.add(Flatten())
model.add(BatchNormalization())
model.add(Dense
浏览 0提问于2022-04-11得票数 1
回答已采纳
1回答
CNN模型预测仅为一级
、、、、
我正在做一个细粒度的分类来分类汽车模型。因此，我使用转移学习ResNet50。据我所知，它在训练中表现很好。但是当我尝试新的图像时，它总是预测一个类。下面是我的密码。
用于培训：
from tensorflow.keras.layers import Input, Lambda, Dense, Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.applications.resnet50 import ResNet50
from keras.applications.vgg16 import VGG16
浏览 0提问于2021-09-13得票数 0
回答已采纳
我希望在列车功能中使用插入符号的超级方便的预处理方法，以便为以后的预测提供相同的操作。但是，我希望只对数值列的某些应用预处理。我如何具体说明这一点？我可以在preProcOptions中以某种方式使用trainControl参数吗？
如果我使用普通的preProcess对象，我可以：
preObj <- preProcess(training[,"SomeCol"], method=c("scale"))
preData <- predict(preObj, training[,"SomeCol"])
但是，我不知道如何使用trai
浏览 3提问于2016-11-09得票数 2
1回答
这是我为R中的决策树编写的脚本：
library(caret)
library(rpart.plot)
library(plyr)
library(dplyr)
data("iris")
names(iris) = tolower(names(iris))
table(iris$species)
suppressMessages(library(caret))
index = createDataPartition(y=iris$species, p=0.7, lis
浏览 0提问于2021-12-13得票数 0
1回答
增加更多数据支持向量分类器培训
、、、、
我正在使用LinearSVC()，在scikit上学习将文本分类为最多7个标签。因此，这是一个多标签分类问题。我正在对少量的数据进行培训和测试。现在，我想将更多的数据(根据标准从池中检索)添加到拟合模型中，并在相同的测试集上进行评估。这是如何做到的呢？
问题：
有必要将以前的数据集与新的数据集合并，对所有的数据进行预处理，然后再对其进行重新训练，看看性能是否会随着旧的+新的数据而提高？
目前为止，我的代码如下：
def preprocess(data, x, y):
global Xfeatures
global y_train
global labels
porter =
浏览 9提问于2022-09-11得票数 1
回答已采纳
1回答
我试图建立一个预测模型，在插入使用PCA作为前处理。预处理工作如下：
preProc <- preProcess(IL_train[,-1], method="pca", thresh = 0.8)
是否可以将thresh参数直接传递给插入符号的train()函数？我试过以下几种方法，但不起作用：
modelFit_pp <- train(IL_train$diagnosis ~ . , preProcess="pca",
thresh= 0.8, method="glm", d
浏览 3提问于2015-04-14得票数 17
回答已采纳
1回答
trainer <- function(training, testing){
trControl <- trainControl(method="cv", number=5)
modelFit <- train(training$classe ~ ., method="rf", preProcess="pca",
trControl=trControl, data=training)
confMatrix <- confusionMatrix(testing$
浏览 1提问于2014-06-13得票数 0
回答已采纳
如何创建自定义函数的sklearn管道？我有两个功能，一个用于清理数据，另一个用于构建模型。 def preprocess(df):
……………….
# clean data
return df_clean
def model(df_clean):
…………………
#split data train and test and build randomForest Model
return model 所以我使用了FunctionTransformer并创建了管道 from sklearn.pipeline import Pipeline, make_pi
浏览 30提问于2019-06-12得票数 4
1回答
我试图复制夫人的工作从插入的火车功能提取预测。我正在使用免费的网络，只是无法得到它。
下面是一个可重复的例子：
require(caret)
require(glmnet)
x = matrix(rnorm(100 * 20), 100, 20)
set.seed(3)
g = sample(c(0,1), 100, replace = TRUE)
df = as.data.frame(x)
g_f = as.factor(g)
df$g_f = g_f
train_control <- trainControl(
method="cv",
浏览 2提问于2020-10-07得票数 1
回答已采纳
我正在学习如何使用R caret包，我想知道为什么有太多的函数将输出数据编码为对象，而这些对象不能直接用于训练或回归。 例如，对于preprocessing，dummyVars函数返回"dummyVars“类的对象。类似地，preProcess函数返回"preProcess“类的对象。这些在caret::train中是不可用的，并且必须首先用stats::predict解决它，比如： caret::dummyVars(Y ~ ., data = mydata) %>%
stats::predict(newdata = mydata) 这有什么原因吗？为什么？有什么福利待
浏览 15提问于2020-04-23得票数 2
1回答
我试图在一个改良的蝴蝶分类器上装载我的角角模型，我认为问题在于我如何训练我的模型。
import cv2
import tensorflow as tf
CATEGORIES = ["Abyssinians", "American Shorthair", "Bengals", "Birman",
"British Shorthairs", "Devon Rex", "Exotic Shorthairs", "Maine Coon",
浏览 1提问于2021-01-10得票数 1
我已经对Keras VGG16模型进行了微调，但我不确定在训练阶段的预处理。 我创建了一个序列生成器，如下所示： train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
train_folder,
target_size=(IMAGE_SIZE, IMAGE_SIZE),
batch_size=train_batchsize,
class_mode="categorica
浏览 15提问于2019-01-30得票数 5
回答已采纳
1回答
我正在构建一个带有插入符号/R的预测模型，我遇到了以下问题：
在尝试执行培训/调优时，我会得到以下错误：
在if (tmps < .Machine$double.eps^0.5) 0中出现错误tmpm/tmps :缺少真/假需要的值
经过一些研究后，这个错误似乎发生在数据中缺少值时，在本例中不是这样(我确认数据集没有NAs)。然而，我也在某个地方读到，缺失的值可能会在插入符号中的重采样例程中引入，我怀疑这就是正在发生的事情。
为了解决问题1，我尝试在插入符号重采样期间对数据进行“预处理”，方法是删除零方差和近零方差预测器，并使用插入符号knn自动计算方法prePr
浏览 1提问于2017-06-29得票数 2
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
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
