目前我只是简单地使用： down_sample_size = 3000
train <- train[sample(nrow(train), down_sample_size),] 向下采样我的训练数据，使我的模型拟合更快(在超参数搜索和CV -上面的上下文中是简化的)。例如，在分类的上下文中，必须考虑类优先级和分层。然而，也许上述情况对于回归来说是可以接受的？谢谢。
浏览 23提问于2019-02-12得票数 0
1回答
我尝试使用星火MLlib Logistic回归(LR)和(或)随机森林(RF)分类器来建立模型来描述两类之间的关系，这两个类之间的基数差别很大。在使用默认参数对LR和RF分类器进行培训之后，对于这两个分类器，我得到了非常相似的结果，例如，对于以下测试集：Test positives = 433.0此外，无论如何将数据分割成训练集和测试集，分类器提供的false positives 与测试集真正具有的数量的完全相同。
LR<e
浏览 6提问于2015-08-03得票数 7
回答已采纳
1回答
如何将深度学习用于回归和分类任务？
我想根据一定的采样频率来处理振幅数据的序列(时间序列)，但它们的长度各不相同。我该如何处理这个问题？我有一定数量的录音，我想利用它来训练在100赫兹采样的模型。在等异常检测实例中，它们使用相
浏览 4提问于2022-06-09得票数 0
回答已采纳
1回答
在数据分类不平衡的情况下，我知道我们只是过采样了培训集(以防止数据从培训到测试子集的泄漏)，但是如果我的测试集中没有正数据点怎么办？测试集仍然非常偏斜，只有我的阳性类的1%。我使用XGBoost、随机森林、Logistic回归和KNN进行分类任务。同时，我也尝试过使用SMOTE、SMOTE和Class_weight来对我的训练集进行过采样.为了增加获得更多数据的机会，我将10倍改为5倍交叉验证(在开发模型时)，没有改进！
浏览 0提问于2019-08-20得票数 2
回答已采纳
如果在不平衡二元目标变量的情况下使用欠采样来训练模型，则预测方法在假设数据集平衡的情况下计算概率。如何将这些概率转换为不平衡数据的实际概率？转换参数/函数是否在mlr包或其他包中实现？
浏览 2提问于2017-07-18得票数 8
回答已采纳
当我使用SMOTE对四类分类问题中的三类进行过采样时，针对少数类的Prec、Recall和F1度量仍然很低(~3%)。我的数据集中有32个分类变量和30个连续变量。所有的分类变量已被转换为二进制列使用一热编码。此外，在进行过采样处理之前，我将使用Iterativeimputer计算所有缺失的值。关于分类器，我使用的是logistic回归，随机森林和XGboost。能告诉我你对这个的想法吗？对多类和高度不平衡的数据集<
浏览 0提问于2019-08-09得票数 0
1回答
R-CNN中的澄清
、、、
我正在学习用R探测物体.我理解R-CNN的这些步骤，使所有区域的大小一致。在CNN上播放这些图片
在训练中，我把所有的对象(只有来自图像的对象，而不是背景)提供给CNN，然后用支持向量机训练特征图以进行分类。在每一个博客里，都在说在R</em
浏览 2提问于2020-04-11得票数 0
回答已采纳
3回答
使用现有数据和概率模拟数据
、、、、
从测量数据中，我可以得到每个物种在测量种群中的比例(因此是一个粗略的概率)，每个物种的高度分布，物种的高度-冠幅关系，物种-条件关系等。因此，对于25米的高度，更有可能是雪松(高度范围5- 30米)，而不是桑树(高度范围2 -8米)，更有可能是雪松(50%的人口)而不是橡树(相同的高度范围，但2%的人口)，因此将有10米的树冠宽度和95%的健康状况(基于我测量数据中的雪松树分布)。有没有办法在R中使用概率论，最好是利用贝叶斯或机器学习方法？
我
浏览 19提问于2017-03-16得票数 0
2回答
我试图在一个非常小的数据集上进行二进制分类，包括3个负样本和36个正样本。我一直在测试不同的模型从科学学习(逻辑回归，随机森林，svc，mlp)。我读过使用玫瑰或各种口味的打击炮的过度采样技术，但也读到过采样会导致过度适合或不会提高性能。我尝试过过采样训练集，根据数据如何分割成火车/测试，不同的模型都能够正确地分类未见的数据(日志记录除外)。当不过度采样和仅仅执行特征选择时，调优超参数(例如，类权重)，并使
浏览 0提问于2022-07-14得票数 2
回答已采纳
1回答
我是机器学习领域的初学者，我想学习如何使用梯度增强树(GBT)进行多类分类。我读过一些关于GBT的文章，但是关于回归问题，我找不到关于GBT多类分类的正确解释。我也检查GBT在科学知识-学习图书馆机器学习。GBT的实现是利用回归树作为弱学习者进行多类分类的GradientBoostingClassifier。GB以提前阶段的方式建立了一个加性模型；它允许对任意可微损失函数进行优化。在每个阶段，n_c
浏览 0提问于2018-04-25得票数 0
回答已采纳
3回答
下采样和等级比
、、、、
我不清楚低采样的概念。如果我要降低申请的样本，我是否必须保持目前的接受和拒绝申请的比率，同时降低培训数据中的申请总数，还是可以将接受和拒绝的申请比例改为50%被接受，50%被拒绝？
浏览 0提问于2018-11-12得票数 1
3回答
我正在建立一个回归模型(随机森林)，用来预测两种蛋白质之间的距离。
我的问题是，我对近距离匹配(短距离)更感兴趣，但是我的数据分布有很大的偏倚，所以大部分距离都很大。然而，当我对模型进行完整数据的训练时，模型的性能并不好，所以我想知道我能做什么最好的抽样方法，这样我就可以保证模型能够尽可能准确地预测近匹配距离，同时对数据进行分层，因为不幸的是，这个有偏见的数据分布代表了真实世界的数据分布，我将对模型进行验证和测试。
浏览 1提问于2014-03-28得票数 2
回答已采纳
在最初的人口中，注销率约为0.515.现在，出于某种原因，我不得不对总体数据进行低采样，并填充一个新的数据集，在该数据集中，注销概率为0.15。由于欠采样改变了人口的原始事件概率，我需要校准模型预测，以表示注销可能发生的真实概率。在新数据的基础上，利用R.中的glm建立了一个logistic回归模型，并参考了"在分类中将下采样后的预测概
浏览 0提问于2022-09-13得票数 2
1回答
分类问题可能在给定的数据集中表现出强烈的标签不平衡。这可以通过对某些类权重属性权重进行次采样来克服，这允许至少在模型培训期间平衡标签分布。对于回归问题，这是由标准的learn，例如scikit-学习未定义。很少有涵盖的方法，以及Scott 关于回归次抽样的一种写得好的理论方法。我想知道为什么回归的标签平衡而不是分类问题在机器学习社区中很少被关注？回归问题也显示出不同的特性，在数据收集设置中<
浏览 3提问于2020-11-20得票数 1
回答已采纳
1回答
我正在用R进行分析。我有以下问题：
我把它们都转化成因素。在将变量输入到我的其他算法之前，我应该如何优先对待变量。
浏览 1提问于2017-10-22得票数 0
回答已采纳
在过去的6个月里，我一直在使用R和Python进行分类建模。在分类的基础上，对模型进行了精确性、召回性、Hamming损失、准确性等方面的评价，这些分类模型需要测试数据来计算这些评价指标。当我们计算SSR、SSE、RMSE和其他评价指标时，是否与回归的情况相同。
从R的角度来看，摘要(LmRegressionModel)以一种或另一种方式给出了这些评估指标数字。为什么我们需要测试数据，然后在这里评估
浏览 0提问于2018-07-27得票数 -1
回答已采纳
1回答
我有一个不平衡的训练数据，我将使用它来训练SVM分类器。我已经尝试了几种处理不平衡数据的技术，例如对成本敏感的学习和采样技术。对于采样技术，我需要找到向上采样和向下采样的方法，而不是随机方法。可用于上采样和下采样的技术有哪些？我使用weka和LibSVM进行分类。
浏览 3提问于2014-12-10得票数 0
1回答
我试图建立一个多元线性回归在MATLAB中有20个预测，这是分类与4个层次。我使用的是“回归”函数，如下所示(这些不是实际变量)：在此之前，我用虚拟变量对范畴变量中的向量x1、x2...x20进行了转换。我得到了这个误差，在b系数中有很多0，并且这个误差：
警告:X在机器精度范围内不合格。在</
浏览 2提问于2020-05-04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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
