如何仅获取概率大于x的预测
获取概率大于x的预测是一个常见的机器学习问题，可以通过以下步骤来实现：
- 数据准备：首先，需要准备用于训练和预测的数据集。数据集应包含输入特征和对应的标签（或目标变量）。确保数据集经过清洗和预处理，以便提高模型的准确性。
- 模型训练：选择适合任务的机器学习算法，并使用数据集进行模型训练。常见的机器学习算法包括决策树、支持向量机、逻辑回归、神经网络等。在训练过程中，模型会学习输入特征与标签之间的关系。
- 概率预测：在模型训练完成后，可以使用该模型进行概率预测。对于二分类问题，模型会输出一个概率值，表示样本属于某个类别的概率。对于多分类问题，模型会输出每个类别的概率分布。
- 设置阈值：根据需求，设置一个概率阈值x，用于筛选出概率大于x的预测结果。可以根据具体场景和需求来选择合适的阈值。
- 进行预测：将待预测的样本输入到训练好的模型中，获取预测结果。根据设定的阈值，筛选出概率大于x的预测结果。
腾讯云相关产品推荐：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型训练、预测的能力，可用于概率预测等任务。
- 腾讯云人工智能开放平台（https://cloud.tencent.com/product/ai）：提供了多种人工智能服务，包括图像识别、语音识别、自然语言处理等，可用于概率预测相关的任务。
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）：提供了稳定可靠的云服务器资源，可用于部署和运行机器学习模型。
以上是关于如何仅获取概率大于x的预测的一般步骤和相关腾讯云产品推荐。具体实施时，还需根据具体情况选择合适的算法和工具，并进行适当的调优和优化。
相关·内容
1回答
无法理解特征提取
machine-learning、neural-network、deep-learning、feature-engineering、feature-extraction
我正在学习人工智能课程，我们刚刚进入了深入学习的章节。说到经典机器学习模型和深度学习模型的区别，最有利于神经网络的一点是它不需要特征提取阶段。这是因为它可以直接在数据上隐式地学习什么是最重要的特性，我们给它作为输入。相反，机器学习系统在开始训练之前，严重依赖于特征提取。
我在这个网站上找到了一些关于这个主题的有用的问题，但是我还是有点不明白什么是特征提取。所以我请我的老师给我举个例子。
他给了我这个例子:假设我们有一个巨大的图像数据集，我们希望根据图片中至少有一棵树的存在与否来对它们进行分类。因此，如果图像包含一棵树，它将被归类为1，否则为-1。
在神经网络的情况下，我们简单地将图像用标签传送
浏览 0提问于2021-01-18得票数 2
回答已采纳
1回答
对整个输入进行ML/DL预测，而不是逐行预测
tensorflow、machine-learning、keras、neural-network、multiclass-classification
我有一个测量各种特征的传感器的表格数据。当传感器处于“关闭”状态时，它将报告0作为值。为了进行分类，我正在训练一些机器学习模型kNN、XGBoost和NN。这是我面临的问题:我可以逐行训练和预测；然而，将范围分类为整体比逐行分类更好。另一个问题是范围的大小可能会有所不同。有关一个非常基本的示例，请参阅此图说明范围。 ? 我有一个基本的Keras模型： model = Sequential()
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))
m
浏览 26提问于2020-12-08得票数 0
3回答
此场景的文本分类技术
machine-learning、classification、cluster-analysis、data-mining
我对机器学习算法完全陌生，我有一个关于数据集分类的快速问题。
目前有一个由两列消息和标识符组成的培训数据。
消息--从包含时间戳和一些文本标识符的日志中提取的典型消息--应该根据消息内容对类别进行分类。
培训数据是通过从工具中提取特定类别并相应地加上标签来编制的。
现在，测试数据只包含消息，我正试图获得相应的分类。
在这种情况下，哪种方法最有帮助？是监督学习还是非监督学习？
我有一个经过训练的数据集，我正试图预测测试数据的类别。
谢谢你，亚当
浏览 4提问于2017-08-30得票数 0
回答已采纳
2回答
从多变量时间序列区间检测罕见事件
c#、machine-learning、sequence、classification、time-series
给定传感器状态间隔的时间序列，如何实现从有监督的训练数据中学习的分类器来检测基于状态间隔序列的事件？为了简化这个问题，传感器状态被简化为true或false。
更新：我在挖掘时间间隔序列上找到了解决类似问题的。在多元时间序列中挖掘层次时间模式的方法是一种新的方法，但它处理的是分层数据。
示例训练数据
下面的数据是事件的训练示例，表示为随时间变化的图形，其中/¯¯¯\表示true状态间隔，\___/表示传感器的false状态间隔。
Sensor | Sensor State over time
| 0....5....10...15...20...25... //
浏览 4提问于2010-10-01得票数 13
回答已采纳
1回答
验证数据集在机器学习中到底是如何工作的？
machine-learning、linear-regression
对于典型的机器学习，您通常会使用训练数据集来创建某种类型的模型，并使用测试数据集来测试新创建的模型。对于像线性回归这样的东西，在使用训练数据创建模型之后，您现在有了一个方程，可以用来预测测试数据中的一组特性的结果。然后，您将获得模型返回的预测，并将其与测试集中的实际数据进行比较。这里将如何使用验证集？
对于最近的邻居，您将使用训练数据来创建一个具有训练集所有特性的n维空间。然后，您将使用这个空间对测试数据中的特性进行分类。同样，您将将这些预测与数据的实际值进行比较。验证集在这里也有什么帮助呢？
浏览 0提问于2016-08-09得票数 4
回答已采纳
6回答
我应该选择“平衡”数据集还是“代表性”数据集？
machine-learning、dataset、class-imbalance
我的“机器学习”任务是将良好的Internet流量和恶意流量分离开来。在现实世界中，大多数(比如90%或更多)的互联网流量是良性的。因此，我觉得我也应该选择一个类似的数据设置来训练我的模型。但我遇到了一、两篇研究论文(在我的工作领域)，它们使用“类平衡”数据方法来训练模型，这意味着同样数量的良性和恶意通信量。
一般来说，如果我正在构建机器学习模型，我应该选择一个代表现实世界问题的数据集，还是一个平衡的数据集更适合于构建模型(因为某些分类器的行为不符合类的不平衡，或者由于我不知道的其他原因)？
谁能更清楚地了解这两种选择的利弊，以及如何决定选择哪一种呢？
浏览 0提问于2014-07-22得票数 59
回答已采纳
1回答
给出什么作为预测未来价值的指标？
machine-learning、python、r、predictive-modeling、time-series
我对机器学习技术很陌生。我看了几个有监督的机器学习模型的例子，我对预测未来的价值有疑问。
我每天都有数据库中的时间序列数据集，我的目标变量是完整的噪声信号，如下所示：
📷
为了训练和预测模型，我们将数据集划分为训练集、验证集和测试集，以检验模型是否有效。我有两个自变量和一个目标变量。我正在使用线性回归，Keras和其他模型。
我的基本问题是，在下周没有自变量的情况下，如何预测未来的值(未来一周，一个月)？在这种情况下，作为预测指标，我该给些什么？
任何信息都是非常感谢的。
浏览 0提问于2018-01-29得票数 1
回答已采纳
1回答
在选择特征时是否使用与模型相同的算法？
machine-learning、feature-engineering
我的问题是，您是否应该使用与您的模型相同的特征选择算法？
如果我使用KNN模型进行分类，那么在运行特征选择时也应该使用KNN algo吗？或者lightGBM algo用于特征选择和lightGBM模型？
或者有一个最好的选择功能，你可以使用这些功能与任何模型？
我知道有几种不同的特征工程技术，我只是不知道哪些技术应该与不同的机器学习算法一起使用。
浏览 0提问于2021-01-05得票数 3
3回答
如何在google云中使用经过训练的模型实现预测的自动化
google-cloud-platform、google-bigquery、google-cloud-dataflow、google-cloud-composer
我有来自Firestore网站用户的数据。
为了运行机器学习模型，我在Google BigQuery中插入了一些这些数据。
我有训练机器学习模型的经验，但我没有获得新数据预测的经验。
我读到过，我可以在Google云存储中上传这个经过训练的模型，然后把它放到人工智能平台上，但是我不知道我必须遵循的过程，因为新的数据将被插入Bigquery中，使用这些新的数据，我想做预测，然后选择这个预测，然后再把它们放到Firstore中。
我认为这可以用Dataflow (Apache )或Dataflow(气流)来完成，我可以将这个过程自动化，并安排它每周运行所有过程，但我没有使用这种技术的经验，有人能推
浏览 5提问于2019-10-18得票数 2
回答已采纳
2回答
时间序列预测中的训练机器学习模型
python、machine-learning、scikit-learn
我需要用scikit训练一个模型--学会预测房间里人少的可能的时间。
下面是我的数据集的样子：
Time PeopleCount
---------------------------------------------
2019-12-29 12:40:10 50
2019-12-29 12:42:10 30
2019-12-29 12:44:10 10
2019-12-29 12:46:10 10
2019-12-29 12:48
浏览 3提问于2020-01-21得票数 0
回答已采纳
1回答
在google云中，哪个是最佳的选择调用训练机器学习模型？
python、google-cloud-platform、gcp-ai-platform-training
我在python中有一个经过训练的机器学习模型来获得一个回归输出，这个模型是用scikit- learning训练的。
我想将这个预测插入到防火墙中，我将使用云函数来完成它，每天使用云调度程序来调度它。
我的问题是我要把这个受过训练的机器学习模型藏在哪里？
我能把它存储到google存储中并在云函数中调用它来获得预测吗？
还是我应该把它存储在人工智能平台上？
如果答案是进入人工智能平台，为什么？如果我把它存储到AI平台上，我有什么优势？我能用那里的新数据训练模型吗？
我一直在读到，这是可能的，但我不知道为什么更好，如何更好
浏览 3提问于2019-10-28得票数 0
回答已采纳
4回答
毫升:分类模式比较
classification、logistic-regression、model-selection
给定的是我需要用于分类的数据集，我希望比较不同分类模型的性能。让我们假设，我想看看逻辑回归(具有不同的断点)和KNN。如果我按以下方式进行，是否有任何问题：
在培训和验证数据中分离数据(以及用于对获奖模型进行性能评估的测试集)。
在训练集上训练logistic回归模型和KNN分类模型。对于0到1之间的每个截断点t，考虑了logistic回归模型作为分类模型，因此回归模型导致了许多分类模型。
现在，我在一定范围内(假设0.01到0.99)比较了我的所有分类模型(t和KNN)在验证数据上的分类性能。我会选择性能最好的(基于某一指标)的。
我正在和其他人讨论这个问题，他认为t需要被看作是超参数，而这
浏览 0提问于2020-06-04得票数 3
1回答
当训练数据有分类标签，但所要求的任务是概率时，该怎么办？
machine-learning、classification、regression
在一个机器学习项目中，我有一些关于一家公司客户的培训数据，其中包括20个输入特性和一个标签，表示客户对营销活动的反馈，形式为是/否答案：
c1 => {f1_1,f2_1,...,f20_1} {Yes}
c2 => {f1_2,f2_2,...,f20_2} {No}
要求是预测每个客户对活动的‘接受概率’。
因此，训练数据有一个二进制分类标签，而要求是一个回归预测。
我能够提取每个特性w.r.t的相关性的数量。分类标签。
是否有必要根据特征与分类标签的相关性，将所谓的重要性加权应用于特征，并将这些权重应用于特征值，为每个客户生成类似评分率的值，并将其用作回归标签？
c1_sc
浏览 1提问于2019-03-06得票数 0
回答已采纳
2回答
sklearn.metrics.precision_recall_curve:为什么精度和召回返回的是数组而不是单个值
python、machine-learning、scikit-learn、precision-recall
我正在计算我最近准备的数据集上现成算法的精度和召回率。
这是一个二进制分类问题，我希望计算我构建的每个分类器的精度、召回率和f-分值。
test_x, test_y, predics, pred_prob,score = CH.buildBinClassifier(data,allAttribs,0.3,50,'logistic')
构建分类器方法基本上是构建分类器，对训练数据进行拟合，并返回test_x(测试数据的特征)、test_y(地面事实标签)、predict(分类器做出的预测)、red_prob( LogisiticRegression.predict_proba方法
浏览 1提问于2016-07-03得票数 5
3回答
是否有可能在4个功能上训练数据，并仅使用功能进行测试？
machine-learning、regression、training-data、train-test-split
我已经做了四个特征的训练，包括月，日，小时和温度，这是预测一些值，我想要做的是根据月，小时和第二天的天来预测值，因为我不知道第二天的温度(这将是看不见的数据，不会在训练中使用)，所以这使得只使用3个特征来测试数据。使用的分类器是SVR。我是机器学习的初学者。
感谢您的回复
浏览 0提问于2020-02-19得票数 0
4回答
具有多个训练数据来源的监督学习
artificial-intelligence、machine-learning
我不确定这是机器学习问题的正确交换站点，但我之前确实看到过ML问题，所以我正在碰碰运气(也发布在上)。
我有来自不同来源的训练实例，因此构建一个模型不能很好地工作。在这种情况下，有没有已知的方法可以使用？
举个例子最能说明问题。假设我想在给定基于不同人群构建的训练数据的情况下对癌症/非癌症进行分类。来自一个群体的训练实例可能具有与其他群体完全不同的正/负样本分布。现在，我可以为每个群体建立一个单独的模型，但问题是对于测试，我不知道测试实例来自哪个群体。
*无论来自哪个群体，所有训练/测试实例都具有完全相同的特征集。
浏览 0提问于2011-09-03得票数 5
2回答
标记数据异常检测中的交叉验证
scikit-learn、cross-validation、anomaly-detection、autoencoder、isolation-forest
我正在从事一个项目，在那里我训练异常检测算法，隔离森林和自动编码器。我的数据是标记的，所以我有基本的真实性，但问题的性质需要无监督/半监督异常检测方法，而不是简单的分类。因此，我将只使用标签进行验证。
既然我不会用标签来训练模型，而不像在有监督的学习中使用X_train、X_test、y_train和y_test，那么在这里进行模型验证的正确方法是什么？
如果这是监督学习，我会把数据分成3部分:训练，简历和测试，做K折叠简历。但现在我觉得我可以简单地把我的数据分成2:训练和测试，简单地拟合所有的火车数据，预测和调整模型根据。最后，对测试数据进行预测。
所以我的问题是，我应该在这个模型中加入某种
浏览 0提问于2020-07-16得票数 1
1回答
AUC高，但数据不平衡时预测不好
python、machine-learning、classification、auc、lightgbm
我试图在一个非常不平衡的数据集中使用LightGBM构建一个分类器。不平衡是指97:3的比率，即：
Class
0 0.970691
1 0.029309
我使用的Params和训练代码如下所示。
lgb_params = {
'boosting_type': 'gbdt',
'objective': 'binary',
'metric':'auc',
'learning_rate': 0.1,
浏览 1提问于2018-07-05得票数 10
回答已采纳
1回答
是否可以通过比较示例来训练分类器？
machine-learning、training-data
我正在寻找一个ML算法，可以通过比较示例学习
我举了一个实际的例子：
我输入了4个数字，它们代表我在显示器上看到的颜色
也许这些数字是CMYK格式的，但这并不重要。机器学习的美妙之处在于:做一些事情，而不知道传入的数字是什么
我想要的输出是输入颜色接近绿色的百分比
我已经看到了几十个例子，他们建议使用机器学习监督分类来解决问题
然后准备一个这种类型的训练表：
color x1 x2 x3 x4 y1
White . . . . 0
very light green . . . . 0.3
li
浏览 0提问于2018-03-22得票数 0
1回答
在建立机器学习模型时，在什么阶段使用ROC曲线？
machine-learning、machine-learning-model、model-selection、auc、roc
在开发机器学习模型时，ROC曲线与AUC在哪个阶段使用？
通常我有三个数据集
train - validation - final test
在这一阶段，我使用组合的train + validation集进行K倍交叉验证，我们可以计算出包括真阳性、假阳性以及其他度量在内的度量标准，并将它们进行平均，以创建一个类似于ROC曲线的图。类似于来自scikit的这个例子 -学习
然而，我们也可以通过训练最终的模型，利用train + validation的所有数据，在test set上进行测试，得到最终的度量，这也可以给我们提供所有的度量、分类报告和ROC曲线等。
我的问题是，人们通常会做两次ROC曲
浏览 0提问于2021-01-18得票数 3
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
即时通信 IM
ICP备案
对象存储
实时音视频活动推荐
腾讯云开发者
