如何更改y方向上误差条的权重
更改y方向上误差条的权重可以通过调整误差条的宽度或者改变误差条的颜色来实现。这样可以使y方向上的误差更加突出或者减弱，以便更好地展示数据的变化趋势。
在前端开发中，可以使用CSS来修改误差条的样式。通过设置误差条的宽度或者背景颜色，可以调整误差条在y方向上的显示效果。例如，可以使用CSS的width属性来设置误差条的宽度，或者使用background-color属性来设置误差条的颜色。
在后端开发中，可以通过修改数据的权重或者调整数据的标准差来改变y方向上误差条的权重。通过增加或减少数据的权重，可以使得误差条在y方向上的显示更加突出或者平缓。同时，可以根据具体的业务需求，调整数据的标准差，以便更好地反映数据的波动情况。
在软件测试中，可以通过调整测试用例的设计和执行策略，来更改y方向上误差条的权重。例如，可以增加针对y方向上的边界条件的测试用例，以便更全面地覆盖y方向上的误差情况。同时，可以加强对y方向上的异常情况的测试，以便更好地评估系统在y方向上的稳定性和可靠性。
在数据库中，可以通过修改查询语句或者调整数据的存储结构，来更改y方向上误差条的权重。例如，可以使用聚合函数和分组操作来计算y方向上的平均值或者总和，以便更好地反映数据的趋势和波动情况。同时，可以优化数据库的索引和查询计划，以提高查询效率和准确性。
在服务器运维中，可以通过调整服务器的配置和性能参数，来更改y方向上误差条的权重。例如，可以增加服务器的内存和处理器的核数，以提高服务器的计算和响应能力。同时，可以优化服务器的网络连接和负载均衡，以提高服务器的稳定性和可用性。
在云原生中，可以通过使用容器化技术和微服务架构，来更改y方向上误差条的权重。通过将应用程序拆分为多个独立的服务，并使用容器进行部署和管理，可以提高应用程序的可伸缩性和容错性。同时，可以使用云原生平台提供的监控和调度功能，对y方向上的误差进行实时监测和调整。
在网络通信中，可以通过调整网络协议和传输机制，来更改y方向上误差条的权重。例如，可以使用可靠的传输协议和错误纠正技术，以提高数据在y方向上的传输可靠性和准确性。同时，可以优化网络的带宽和延迟，以提高数据在y方向上的传输速度和稳定性。
在网络安全中，可以通过加密和认证技术，来更改y方向上误差条的权重。通过使用加密算法和数字证书，可以保护数据在y方向上的机密性和完整性。同时，可以使用防火墙和入侵检测系统，对y方向上的网络攻击进行监测和防御。
在音视频和多媒体处理中，可以通过调整编码和解码算法，来更改y方向上误差条的权重。通过使用高效的音视频编码算法和图像处理技术，可以提高音视频和多媒体数据在y方向上的质量和清晰度。同时，可以使用音视频处理软件和硬件设备，对y方向上的音视频数据进行编辑和处理。
在人工智能中，可以通过调整模型的参数和训练策略，来更改y方向上误差条的权重。通过增加或减少模型的层数和神经元数量，可以调整模型在y方向上的拟合能力和泛化能力。同时，可以使用优化算法和正则化技术，对y方向上的误差进行优化和控制。
在物联网中，可以通过调整传感器的灵敏度和采样频率，来更改y方向上误差条的权重。通过增加或减少传感器的灵敏度，可以调整传感器对y方向上的变化的感知能力。同时，可以调整传感器的采样频率，以便更好地捕捉y方向上的变化趋势。
在移动开发中，可以通过调整移动应用的界面和交互设计，来更改y方向上误差条的权重。通过增加或减少界面元素的大小和间距，可以调整移动应用在y方向上的显示效果。同时，可以优化移动应用的响应速度和用户体验，以提高移动应用在y方向上的性能和稳定性。
在存储中，可以通过调整存储介质和存储结构，来更改y方向上误差条的权重。通过使用高速的存储介质和分布式存储系统，可以提高数据在y方向上的读写速度和可靠性。同时，可以优化存储的数据压缩和去重算法，以减少y方向上的存储空间和成本。
在区块链中，可以通过调整共识算法和区块大小，来更改y方向上误差条的权重。通过使用高效的共识算法和分布式账本技术，可以提高区块链在y方向上的安全性和可扩展性。同时，可以调整区块的大小和交易的确认时间，以提高区块链在y方向上的吞吐量和响应速度。
在元宇宙中，可以通过调整虚拟现实和增强现实技术，来更改y方向上误差条的权重。通过使用高清晰度的虚拟现实设备和交互界面，可以提高用户在y方向上的沉浸感和体验效果。同时，可以结合物联网和人工智能技术，实现对y方向上的虚拟世界的感知和交互。
相关·内容
3回答
如何在两个方向上创建带有错误条的散点图？通常误差条是垂直方向的(即y值的不确定性)。然而，我的数据在x值中也存在不确定性。
X ErrX Y ErrY
1.0 0.1 3.0 0.2
1.5 0.3 4.2 0.1
etc
浏览 4提问于2015-02-15得票数 2
回答已采纳
1回答
卷积中的反向传播
、、、
我在理解反向传播是如何在卷积层中工作时遇到了一些困难。实际上，在计算隐藏层中的误差后，我们可以在误差图像中表示它。但是在那之后，我如何更新内核呢？
我在下图中给出了一个例子:我们有一个图像错误(l+1) (计算了反向传播)连接到父对象的输出(l)和相关的内核K。
在位置(x，y)，误差将是: err = e1.k'1+e2.k'2+...+e9.k'9 (k‘核的系数在(l+1)中)。所以，如果我们没有矩，没有激活函数，没有学习率，那么K的修正将是：
K1 = K1 + err * e1
K2 = K2 + err * e2
..。
第一个解释是正确的吗？在此之后，如何
浏览 0提问于2015-05-05得票数 1
我有已知1-sigma不确定性e_1, ..., e_n的输入x_1, ..., x_n。我正在使用它们在经过训练的神经网络上预测输出y_1, ..., y_m。我如何获得我的预测的1-sigma不确定性？
我的想法是用具有均值为10000和标准差e_i的正态噪声随机扰动每个输入y_i大量次(比方说10000)，然后取每个预测样本的中位数和标准差。这行得通吗？
我担心这只考虑了“随机”误差(来自测量)，而没有考虑“系统”误差(来自网络)，也就是说，每个预测本身都有一些在这种方法中没有考虑到的误差。我如何正确地获得我的预测的1-sigma误差条？
浏览 1提问于2015-10-25得票数 1
1回答
我收到了一个令人困惑的任务:你有两个变量，其中y是一个响应变量，可以写成一个显式的线性函数。然而，用于测量的技术比在误差方差意义下的测量技术要好一倍，即误差的方差是误差方差的两倍。任务是将y建模为x的函数。
我该怎么做呢？当我对数据使用基本线性回归算法时，结果是：
当我移除异常值时，结果是：
第二张看起来不错，但我想我漏掉了什么。据推测，这些数据存在“测量误差”。你觉得我该怎么办？
浏览 6提问于2022-12-03得票数 0
我构建了一个具有三个输出类的tensorflow神经网络。我的损失函数目前是val_mean_absolute_percentage_error，因为不是绝对距离，而是目标和预测变量之间的相对距离很重要。但是，平均绝对百分比误差计算如下
1/n sum(|(y_test - y_pred) / y_test|)
并不完全适合我的问题，因为如果使用y_pred > y_test，它会受到更强的惩罚
示例1：y_test = 5, y_pred = 2 --> Mape = 0.6
示例2：y_pred = 5, y_test = 2 --> Mape = 1.5
然而，上面的例
浏览 1提问于2020-09-29得票数 0
2回答
我有一个数组:1，1.2，1.4，1.5.有1000个元素我想用给定均值的加权高斯概率从这些选择中随机选取一个值。例如，我将平均值设为25。因此，选择的权重是一个高斯函数，它的平均值在25左右，也就是说，所选的大多数数字都在25左右。
复制了这个的，但是使用了python而不是javascript。概率曲线是这样的：
背景信息我试图在一些有不对称错误条的数据上拟合一条曲线，而且我找不到任何python模块来进行这样的拟合。所以我做了一个蒙特卡罗模拟，我随机地从误差范围中选取x和y数据点，以数据值作为平均值，重复1000次(比方说)，优化均方误差。
我的数据是这样的：
浏览 2提问于2021-06-03得票数 0
回答已采纳
1回答
我有一个使用plt.scatter(x,y)绘制的数据集，以及一个由各个错误yerr和xerr组成的数组，我希望使用plt.errorbar(x,y,xerr,yerr, fmt='none')将它们作为错误条放置在每个点上。
由于xerr和yerr中的一些值是正值，而另一些值是负值，因此我只希望误差条按照这个方向在+ve或-ve方向上移动，但当我使用此代码时，它会自动在两个方向上绘制。
如何才能根据错误数组值是+ve还是-ve，以单一的、可变的方向绘制
我可以想出一种方法，通过创建新的数组来绘制正负方向，但肯定有更快、更容易的方法……
浏览 12提问于2021-02-15得票数 2
我有一些数据，y有误差，y_err，测量值为x。我需要拟合一条直线，以模拟matlab中的一些代码，特别是具有稳健"on“的拟合方法，并将权重设为1/yerr。matlab文档称它使用了bisquare方法(也称为TukeyBiweight方法)。目前为止我的代码是..。
rlm_model = sm.RLM(y, x, M=sm.robust.norms.TukeyBiweight())
rlm_results = rlm_model.fit()
print rlm_results.params
然而，我需要找到一种方法，包括来自yerr的权重。希望大家能帮忙
浏览 7提问于2014-02-13得票数 1
回答已采纳
2回答
注释:我在这里输入了大部分函数。
假设我有这样的数据集
X Y Err
1.75000000e+00 1.35782019e+03 5.30513124e-01
1.50000000e+00 1.35253305e+03 5.30038166e-01
1.25000000e+00 1.34828730e+03 3.74007356e-01
1.00000000e+00 1.34305172e+03 6.01032718e-01
7.50000000e-01 1.33856734e+03 4.
浏览 0提问于2014-05-05得票数 0
2回答
我正在学习调整权值的反向传播方法。用于确定对各自权重的更改的公式的推广如下
📷
哪里
📷
总误差随第一权值的变化而变化的比率.我明白为什么这个值在我们试图用反向传播实现的上下文中很有趣，但我不完全理解为什么在确定如何调整新的权重时，这是一个很好的值，特别是当有多个权重影响总误差时。为什么这是一个“好”的数字用在改变我们的体重？
浏览 0提问于2020-01-17得票数 1
回答已采纳
1回答
平均绝对误差的偏导数
、、、、
MAE的偏导数是多少？我知道对于均方误差，假设使用以下版本的均方误差，则相对于某些x1的偏导数将为-x1 * (y_pred - y_actual)。
当损失函数是MAE而不是MSE时，x1的偏导数是多少？我一直在找这个，但一直没找到。当x1大于0时是-(y_pred - y_actual)，当x1小于0时是(y_pred - y_actual)吗？或者我还漏掉了什么？
浏览 0提问于2021-01-14得票数 1
4回答
如何做线性回归，考虑错条？
、、、、
我正在对一些有限大小的物理系统进行计算机模拟，在此之后，我进行无限外推(热力学极限)。有些理论认为数据应该与系统大小成线性关系，所以我在做线性回归。
我所拥有的数据是嘈杂的，但是对于每一个数据点，我可以估计错误条。因此，例如，数据点看起来如下：
x_list = [0.3333333333333333, 0.2886751345948129, 0.25, 0.23570226039551587, 0.22360679774997896, 0.20412414523193154, 0.2, 0.16666666666666666]
y_list = [0.13250359351851854, 0
浏览 8提问于2014-01-30得票数 13
回答已采纳
2回答
我正在用线性拟合拟合一些数据。我想对误差条进行加权。到目前为止，我一直在使用斗牛犬。他们的linear_fit使得加权线性回归变得非常容易。不幸的是，我正在处理的数据在X和Y方向上都有错误。
我想知道，实际上(在Python中)和理论上(在统计术语中)如何做到这一点。
浏览 1提问于2012-08-01得票数 6
回答已采纳
1回答
警告:我是python的新手，知道的也很少。
我正在尝试用两个方向上的误差条来表示(x，y)。我能够做到这一点，使用：
from matplotlib import pyplot
pyplot.errorbar(x,y,yerr=y_error,xerr=xerror)
但是，有时x或y的误差为零。在本例中，我希望程序只为这些数据点创建一个上限(x)和下限(y)。限制的实际值并不重要；它只需要证明它是这样的。
我发现了一些建议在pyplot.errorbar中添加“lolim”和“uplim”的建议，但它不起作用。我是否需要一个for循环或在下限/上限中添加一些东西？
谢谢。
浏览 1提问于2014-09-24得票数 2
1回答
我有一些x数据和y数据-->仅作为示例
x_data = [5, 6, 6.2, 6.3, 6.7]
y_data = [5.2, 6.8, 8.2, , 8.9]
现在我想拟合一个非线性函数
def func(x, a):
return 0.2* a**2 * x**2
和scipy一起。为此，我使用
prams, params_cov = optimize.curve_fit(func, x_data, y_data)
但是我也有x和y数据的误差条。所以我不想只适合一条线，而是一个误差带，中间有填充物。
x_err = [0.2, 0.1, 0.4, 0.5]
y_err
浏览 11提问于2020-02-26得票数 1
3回答
我对我的Tensorflow模型有点问题，于是决定试试Keras。至少在我看来，我正在使用相同的参数创建相同的模型，但Tensorflow模型只输出train_y的平均值，而Keras模型实际上会根据输入的不同而变化。我的tf.Session中是否遗漏了什么？我通常使用Tensorflow，从来没有遇到过这样的问题。Tensorflow代码：
score_inputs = tf.placeholder(np.float32, shape=(None, 100))
targets = tf.placeholder(np.float32, shape=(None), name="targe
浏览 0提问于2019-05-10得票数 3
我有一个形式为Ax=By的线性代数方程。其中A是6x5的矩阵，x是5的矢量，B是6x6的矩阵，y是6的向量。A、B和y是已知变量，它们的值是从传感器实时获取的。x是未知的，必须找到。一个解决方案是找到Least Square Estimation，即x = [(A^T*A)^-1]*(A^T)B*y。这是线性代数方程的常规解。我使用Eigen QR Decomposition来解决这个问题，如下所示
matrixA = getMatrixA();
matrixB = getMatrixB();
vectorY = getVectorY();
//LSE Solution
Eigen::ColP
浏览 2提问于2014-03-28得票数 1
回答已采纳
我有一个数据的时间序列，它的数量是y，它的误差是yerr。现在我想创建一个图，显示y与具有垂直误差条(yerr)的相位(即时间/周期% 1)的关系。为此，我通常使用pyplot.errorbar(time，y，yerr=yerr，...)
但是，我想使用颜色条/图来表示此图中的时间值。
因此，我所做的是：
pylab.errorbar( phase, y, yerr=err, fmt=None, marker=None, mew=0 )
pylab.scatter( phase, y, c=time, cmap=cm )
不幸的是，这将绘制单色错误条(缺省为蓝色)。因为我每个图有大约1600个
浏览 0提问于2012-04-18得票数 16
我正在为Michaelies-Menten编写Python拟合代码，这是一个非线性方程，能够包含加权误差条。目前，我已经尝试使用lmfit中的Minimizer和model.fit。虽然Minimizer不包括加权误差条和model.fit，但似乎没有Minimizer那么统计。
有没有一种在Minimizer中包含加权误差条的方法
scipy.optimize.curve_fit是适合这个代码的更好的方式吗？
或者，有没有其他更好的合适的程序？
我的代码如下
def michealies_menten(path, conc, substrate):
os.chdir(path)
h = op
浏览 1提问于2017-05-11得票数 2
1回答
我有一个Highcharts，其中我使用误差条来表示报告测量中的不确定性。
该图表还对每个系列进行了深入分析。向下钻取时，数据还应显示所显示的新列的错误栏。
现在不能用了。错误条序列显示在主序列中，但不显示在下钻序列中。
查看此jsFiddle：
$(function () {
$('#container').highcharts({
chart: {
type: 'column'
},
title: {
text: 'Monthly Average
浏览 1提问于2014-04-16得票数 0
1回答
我有一些带有自定义值误差条的条形图。我调整了这些值，以便我将值的1/2添加到负值中，并将1/2添加到正方向(基本上是为了使误差条一半穿过图形的实际条，另一半突出在上面)。
然而，我的一些误差条值太高了，以至于它们穿过x轴，进入负值。理想情况下，我希望调整这些精确的误差条(如果可能，数据行中没有其他条)。我想让它们向上移动，这样它们就不会穿过x轴，而是更多地突出在实际条形图的上方。
有谁知道这样做的方法吗？
浏览 2提问于2016-08-09得票数 0
回答已采纳
2回答
我试图拟合一个线性函数，我知道R中数据的斜率：
> flN
eCenter eLow eHigh arrivalTime_4_8 timeError_4_8 vCenter vLow vHigh
1 56.4997 60.25967 52.73972 2012-05-17 02:01:44 41.01283 2.298964 2.236939 2.367869
2 105.5787 108.02476 103.13254 2012-05-17 01:57:37 27.06803 1.787009 1.771748
浏览 4提问于2013-12-20得票数 1
回答已采纳
1回答
H20在中表示，回归gbms的特征拆分是基于平方误差的减少。
这个平方误差是基于节点残差，即(resid - mean resid)^2，还是真实的响应，即( response - mean response)？我用的是伽马/泊松分布。
在伽马/泊松的情况下，损失就是偏差，那么为什么要使用平方误差呢？
浏览 9提问于2020-11-18得票数 0
我们在很多书中看到了误差曲面的全局极小化和神经网络的收敛性。我如何在keras中可视化类似的东西，即包含错误面，以及我的模型如何收敛以实现全局最小误差？下面是这类插图的示例图像。链接有不同优化器的动画说明。为此，我探索了张板日志回调，但没有找到任何这样的东西。请给我一点小小的指导。
浏览 6提问于2017-12-16得票数 0
回答已采纳
2回答
通过这个书，我熟悉以下内容：
对于每个训练实例，反向传播算法首先进行预测(前向传递)，测量误差，然后反向遍历每一层以测量每个连接(反向传递)的误差贡献，最后稍微调整连接权重以减小误差。
但是，我不确定这与TensorFlow的反向模式自动关闭实现有何不同。据我所知，上面的算法首先在正向上遍历图，然后在第二次遍历时，计算输出与输入有关的所有偏导数。这与传播算法非常相似。
反向传播与反向模式自定义有何不同？
浏览 0提问于2018-04-19得票数 0
回答已采纳
1回答
是否有可能有一个服装均方误差函数与样本的权重为每次观察？
我能够利用标准的fastai训练循环，并且能够在PyTorch中实现这种服装的丢失。
如何将其应用于表格数据上的fastai学习对象？
我知道keras已经在.fit方法中实现了sample_weight参数。
def weighted_mse_loss(input, target, weight):
return torch.sum(weight * (input - target) ** 2)
from fastai.tabular.all import *
import seaborn as sns
df = sns.
浏览 7提问于2022-05-20得票数 0
回答已采纳
我正在阅读关于反向传播的深层神经网络，据我所知，我可以总结这种神经网络的算法如下：
1-输入x：为输入层设置相应的激活
2-前馈：前向传播误差的计算
3-输出错误：计算输出错误
4-反向传播错误：计算反向传播的误差
5-输出:使用成本函数梯度的
没关系，然后我检查了许多这种深度网络的代码，下面是一个示例代码，并解释如下：
### imports
import tensorflow as tf
### constant data
x = [[0.,0.],[1.,1.],[1.,0.],[0.,1.]]
y_ = [[0.],[0.],[1.],[1.]]
### induction
#
浏览 0提问于2019-08-17得票数 1
回答已采纳
我正在尝试理解tsplot中的误差带是如何计算的。误差范围的示例如所示。
当我绘制一些简单的东西时，比如
sns.tsplot(np.array([[0,1,0,1,0,1,0,1], [1,0,1,0,1,0,1,0], [.5,.5,.5,.5,.5,.5,.5,.5]]))
不出所料，我在y=0.5上看到了一条垂直线。顶部误差带也是在y=0.665附近的垂直线，底部误差带是在y=0.335附近的垂直线。有人能解释一下这些是如何派生出来的吗？
浏览 3提问于2015-04-07得票数 11
1回答
使用向量的深度学习
、、、、
我已经建立了一个没有隐藏层的网络。如下所示，我在Sigmoid中使用激活函数，在MSE中使用错误函数。使用的数据集是来自Kaggle的泰坦尼克号数据集，我已经对数据进行了预处理。
模型的误差函数不断增大。如何正确更新权重以减少误差函数？我是个初学者。请耐心听我说。
数据集的链接：
我的colab笔记本：
import numpy as np
X=np.array(td.drop(columns=['Survived','Fare'],axis=1))
Y=np.array(td['Survived'])
X=X.T
print('X
浏览 1提问于2020-06-30得票数 0
1回答
我比较了两个神经网络模型。我用这个模型对看不见的数据做了预测。
一个模型对y1、y2和y3的误差分别为20.9%、36.6%、4.53%和19.3。
对未见数据，y1的误差为15.5%，y2为33.8%，y3为4.83%，CV为31.5。
我很难解释结果。较低的简历(RMSE)更好，但为什么我在看不见的数据上有更高的误差呢？
浏览 0提问于2020-04-02得票数 1
回答已采纳
2回答
我正在尝试使用Phyton中的多元回归来计算X1^2+X2^2=Y。在CSV文件中，我有两列X1和X2，它们是介于1和60之间的随机数。我想预测测试数据的y值。但是我的模型误差太大了。
df = pd.read_csv("C:/Users/Büşra/Desktop/bitirme1/square-test.csv",sep=';')
x = df[['X1','X2']]
y = df[['Y']
x_train, x_test, y_train, y_test = train_test_split(x,
浏览 0提问于2019-11-07得票数 0
2回答
我正在调查GradientBoostingClassifier in sklearn。然后，我发现有三种标准。弗里德曼mse，mse，mae。sklearn提供的描述如下：
测量分割质量的功能。支持的标准是:弗里德曼的均方误差和改进分数为“friedman_mse”，均方误差为“均方误差”，平均绝对误差为“mae”。“friedman_mse”的默认值通常是最好的，因为在某些情况下它可以提供更好的近似。
我不明白什么是不同的？谁会让我知道？
谢谢!
浏览 1提问于2019-03-12得票数 5
我的CNN有以下结构：
输出神经元:10个
输入矩阵(I)：28x28
卷积层(C)：具有5x5内核的3个特征映射(输出维数为3x24x24)
最大池层(MP)：大小为2x2 (输出维数为3x12x12)
完全连接层(FC)：432x10 (3*12*12=432 max池层扁平并矢量化)
在向前传递之后，我将输出层中的误差增量计算为：
\delta^L = (a^L-y) \odot \sigma'(z^L) (1)
a^L是预测值，z^L是权重的点乘积，加上偏差。
我用以下方法计算下一层的误差增量：
\delta^l = ((w^{l+1})^T \delta^{l+1})
浏览 0提问于2020-06-06得票数 4
1回答
我有一个很大的问题，我想用两个神经元输出来实现我的神经元网络。就像这样：
我想使用反向传播算法，但我不知道如何计算一个错误，因为我有一个有两个神经元的输出，当输出上只有一个神经元时，很容易从一个出口误差中使用反向传播算法，但是有两个神经元？我考虑了每个输出的计算误差，但是我必须分别计算2种情况下的反向传播，得到“两个不同的隐层”(对于隐层中的每一个神经元，我对两种情况有一个权重)。也许有人知道更好的解决方案？
如果有任何帮助，我将非常感激。
浏览 1提问于2014-04-05得票数 3
回答已采纳
我有以下代码，它生成了一个包含垂直和水平误差条的简单图形：
#!/usr/bin/python
# -*- coding: utf-8 -*-
import pylab as pl
import matplotlib.pyplot as plt
x=[2,3]
error_x=[0.5,0.4]
y=[25,28]
error_y=[0.6,0.8]
lines={'linestyle': 'None'}
plt.rc('lines', **lines)
pl.plot(x, y, 'ro', markersize=6)
pl
浏览 5提问于2017-12-08得票数 3
回答已采纳
1回答
我正在尝试拟合我的数据点。看起来没有误差的拟合并不是那么乐观，所以现在我试着在每个点上拟合实现误差的数据。我的fit功能如下：
def fit_func(x,a,b,c):
return np.log10(a*x**b + c)
然后我的数据点如下：
r = [ 0.00528039,0.00721161,0.00873037,0.01108928,0.01413011,0.01790143,0.02263833, 0.02886089,0.03663713,0.04659512,0.05921978,0.07540126,0.09593949, 0.12190075,0.155017
浏览 4提问于2016-04-05得票数 0
回答已采纳
我有一个用于分类的神经网络工作模型。目前，我已经应用交叉熵来计算测试结果(模型输出)和条件结果(真实输出)之间的误差。该模型用于二进制分类，但将被扩展为处理多个类。到目前为止，使用MATLAB中的交叉熵计算了误差：
err = sum( y.*log(h(x)) + (1-y).*log(1-h(x)) )
我希望模型的执行方式能够分类或检测更多的假阳性，然后是假阴性。我知道有所谓的混淆矩阵，在这里我可以指定所有内容，但我不知道这如何与错误计算相对应。(欢迎任何建议:)
干杯!
浏览 1提问于2013-10-24得票数 1
1回答
我想训练这个模型来总结这三个输入。因此，这是尽可能简单。
首先随机初始化权值。它产生了错误的估计(大约。0.5)
然后用零初始化权重。有两种选择：
重量张量的形状是1，3，重量张量的形状是3
当我选择第一个选项时，模型仍然工作得很糟糕，无法学习这个简单的公式。
当我选择第二个选项时，它的工作原理非常完美，误差为10e-12。
为什么结果取决于重量的形状？为什么我需要用零初始化模型来解决这个简单的问题？
import torch
from torch.nn import Sequential as Seq, Linear as Lin
from torch.optim.l
浏览 1提问于2022-04-02得票数 1
回答已采纳
1回答
对于真实的非零预测更高的损失惩罚
、、、、
我正在建立一个深度回归网络(CNN)，从图像(7,11)中预测一个(1000,1)目标向量。目标通常由大约90%的、90%的零、和10 %的非零值组成。目标中(非)零值的分布因样本而异(即不存在全局类不平衡)。
使用平均平方误差损失，这导致网络只预测零，我不觉得奇怪。
我的最佳猜测是编写一个自定义损失函数，它比预测零值更能惩罚有关非零值的错误。
我已经尝试过这个损失函数，并打算实现我已经猜到的可以在上面工作的东西。这是一种均方误差损失，其中对非零目标的预测惩罚较少(w=0.1)。
def my_loss(y_true, y_pred):
# weights true zero pred
浏览 1提问于2019-08-23得票数 6
回答已采纳
我有一个数据集，其中的值可以绘制为x值和y值。Y轴上的数据具有不对称误差，即，
我想用线性函数来拟合这些数据。我可以用python中的许多方法来做这个拟合，但它们都有相同的问题，那就是如何也获得拟合参数的误差。
与非常相关，但不可能(或至少不直接)使用，因为我的数据在纵坐标(y轴)上具有不对称误差，以便也获得斜率误差。
那么，当y误差条不对称时，我如何计算线性拟合的斜率上的误差？
有没有什么python函数可以解决这个问题？
浏览 3提问于2014-05-28得票数 3
我有一个具有多个输出神经元的keras模型，所有这些神经元都经过一个softmax激活函数。我的数据集由大约300.000个数据点组成，但是大部分数据都是数据，其中只有第一个输出神经元位于1，而所有其他神经元位于0，这就使得神经网络能够获得很高的精度。当将我的模型拟合到数据集时，我会陷入0.3的损失(当使用均方误差时)，最后得到一个糟糕的神经网络，这在新的数据上不能很好地工作。
我想衡量每个神经元的误差非常高，除了一个让网络得分的高精度。在python/伪代码中，如下所示，其中y_true和y_pred可能是列表或numpy数组：
def some_error_function(...):
浏览 2提问于2019-12-26得票数 2
回答已采纳
我正在使用survey分析来自美国住房调查的数据，该数据使用复制权重来计算修正的标准误差，但我想确保我指定的设计是正确的。 我是这样做的： svy <- svrepdesign(data = ahs,
weight = ~WEIGHT,
repweights = "REPWEIGHT[0-9]+",
type = "Fay",
rho = 0.5,
scale = 4
浏览 21提问于2019-12-17得票数 1
回答已采纳
如何对像x，y，deltax，delta，y这样的数据进行拟合？我必须对两个轴上的误差进行线性拟合，确切的语法是什么？
通过a安装f (x) "file.txt" u1:2:3:4，将b与xyerrorbars配合使用。
f (x) =a*x + b
结果: invert_RtR中的奇异矩阵
浏览 0提问于2015-09-05得票数 4
回答已采纳
0回答
在Excel 2016中，我尝试显示随着n的增加二项式分布的直方图形状的变化。我的部分代码需要创建一个带有非常宽的误差条的散点图，就像这里建议的，这样我就可以在直方图的顶部得到一个平滑的直方图。
问题是我不能修改y方向上误差条的权重。我录制了一个创建过程的宏，但是当我执行这个宏时，它会修改x错误条。
Sub Macro8()
Range("F15:G25").Select
ActiveSheet.Shapes.AddChart2(240, xlXYScatterSmoothNoMarkers).Select
ActiveChart.SetSourceD
浏览 3提问于2017-01-05得票数 0
回答已采纳
我正在试着用errorbar做一个线条和点图。它有不同的因素，但有些因素只有一个值。我发现如果我使用position_dodge，与图中的其他误差条相比，其中一个单值因子的误差条要宽得多。不知何故，position_dodge对误差条上的宽度有影响。我之前没有发现任何人有同样的问题，所以我希望有人能帮助我。
虚拟数据：
require(ggplot2)
x <- c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4,3,3,5)
y <- c(3,5,6,3,5,3,5,6,2,6,3,7,3,6,2,1,5,8,7)
se <- x*0.2
treatmen
浏览 13提问于2017-03-10得票数 15
回答已采纳
0回答
优化曲线换挡参数
、、、
我想沿Y轴向上(或向下)移动一条主曲线，以最好地拟合一系列数据点。我想通过仅通过主曲线的向上(或向下)移动来最小化主曲线数据点和测量数据点之间的误差总和(sum_error)，并获得移动系数(假设K)。
master_curve = np.array([3.920443406036651, 2.7639821779105542,
2.254338877722025, 1.9513837218071342, 1.7450166671832754,
1.5928839897758424, 1.4747653105080576, 1.3796281282142924,
1.300875343539
浏览 0提问于2017-06-20得票数 0
回答已采纳
1回答
将网络错误显示为单个值
、、、
我从头到尾都在写神经网络。我已经完成了前馈，反向传播和小批梯度下降方法，所以我可以训练网络。我使用过的其他神经网络通常会将每批处理后的错误/损失显示为一个十进制值，我想实现这个功能，但我不确定如何实现。
我知道(y - \hat{y})^2给出了平方误差，对于带有m神经元的输出层，您应该有一个大小为m的误差向量。但是，如何将错误向量显示为一个值？
浏览 0提问于2020-04-24得票数 1
回答已采纳
1回答
我正在努力更好地理解机器学习原理，但我有点拘泥于一切是如何联系在一起的。
例如，我的任务是对一组三种模式进行分类。每个模式都有一个与其相关联的目标值(例如，1、0和-1 )。我把算法通过LMS算法。
我计算了输出和错误：
a = w(n) * x(n)
e(n) = d(n) - w(n)x(n)
然后我重新计算了权向量：
w(n+1) = w(n) + alpha*x(n)*e(n)
我对这三种模式都这么做了。我将权向量的重新计算迭代了大约30次。
现在，我如何处理这个新的权向量，我已经创建了？我是否将这个权重向量应用于一组新的“测试数据”？
“会聚”的权重向量现在是否变成了试图对任
浏览 1提问于2016-09-16得票数 1
回答已采纳
1回答
我正在尝试理解在人工神经网络中使用的误差反向传播算法。
据我所知，每个神经元都有一个sigmoid函数的输出结果，该函数将每个权重/输入对的乘积之和加上一个“偏差”值作为参数。
一旦计算出网络的总误差，就可以使用误差相对于各种权重的导数来找到误差函数的“局部最小值”。这些应该是误差最小的权重。
然而，理论上导数为零的点也可能是局部最大值……我该如何解决这个问题？
干杯:)
浏览 1提问于2013-06-13得票数 2
回答已采纳
3回答
根据Mohiy M.Hadhoud的论文，我编写了一个Matlab程序，使用二维LMS(TDLMS)自适应算法来实现图像背景估计。我用零初始化权重矩阵W、估计输出矩阵Y和误差矩阵e。支持区域为5*5 (窗口大小)。矩阵D是期望输出，其与Y的差被定义为误差矩阵(E)。然而，在我运行程序之后，权重W和估计输出Y都是零。我不知道是因为W和Y在开始时都是零，还是程序中有缺陷。下面是我的代码：
clear; close all;
X=imread('noisySea.jpg');
[M N]=size(X);
Ns=5; % 5*5 support region
u=5*10^(-8);
浏览 0提问于2013-03-20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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
