1回答
如何解决一维数据拟合不佳的问题？
、、、、
我有一个数据集(1-D)，只有一个独立的列。我想要适合它的任何模型，以便从该模型采样。原始数据Data set 我尝试了Fitter package (这里是https://pypi.org/project/fitter/)的各种理论发行版，没有一个运行得很好。它很好，但由于它的工作方式，我无法防止负值。最后，我尝试了对数正态，但它并不是真正完美的。对数正态的代码在这里 import numpy as np
import
浏览 22提问于2019-08-18得票数 1
2回答
我开始了我的第一个C#项目--需要找到适合几个x-y数据点的曲线。例如：巧的是，根据excel的说法，对于这些点我需要的适当的曲线拟合是一个六阶多项式。如何获得这条曲线的系数和指数，以便在C#中写出适当的表达式？我想远离库，因为这很可能最终会被转换成C，供微处理器使用。
我是C#新手，对硬件/软件集成知之甚少。尽管如
浏览 3提问于2012-05-15得票数 3
回答已采纳
我需要找到数据的分布，它来自零售连锁店网络(所有商店的产品需求)。我尝试使用EasyFit (它有82个分布来检查最佳分布)来拟合分布，但没有一个分布符合数据。可以做些什么呢？有没有办法找出数据分布是多重分布的总和还是卷积？我已经从数据集中删除了峰值、季节性或促销数据，但仍然没有符合分布的数据。
浏览 4提问于2015-05-10得票数 0
我的脚本应该运行Runge-Kutta，然后使用polyfit对顶部进行插值，以计算顶部的最大值。我似乎得到了最大点的x值是正确的，但由于某些原因，y值不正确。已经和它坐了3天了。当我计算py时，问题应该出现在最后一个for循环中function funk = FU(t,u)
C = 1*10^-6;
funk = [u(2); 2.*u(1).
浏览 0提问于2015-05-11得票数 0
1回答
我是ML的新手，并试图复制提供的价格优化解决方案。
我遵循与给定代码相同的代码，然后尝试在新数据上测试它。然而，它根本没有正确地预测价格。我确保保存经过训练的模型/向量，重新加载它，并根据模型需求转换新数据，类似于训练集所做的那样。问题是，如果我的新数据与测试模型期间使用的测试数据集(600 k+行)完全相同，那么它将返回与测试预测完全相同的</
浏览 0提问于2019-08-08得票数 0
它们似乎是紧密相关的概念，但仍然有两个不同的东西。他们之间的确切关系是什么？维基百科指出：简而言之，不适当--高偏倚和低方
浏览 0提问于2022-12-20得票数 0
我训练了一个50年代的模型，按照以下比例分割数据集：
X = np.load(....)从历史上可以看出，验证的准确性/损失与培训的准确性/损失非常相似。有时验证损失甚至低于训练损失。至于最后一条声明，我读到了，它可能会
浏览 1提问于2021-01-08得票数 1
回答已采纳
1回答
我想对五个数据点进行三次回归：(1024，1)，(4096，8)，(16384，16)，(65536，16)，(262144，48)。我不是一个普通的R用户，所以我做了一些研究。首先我要做的是(source)： df <- read.table(text="GRID Value 1024 1 4096 8 16384 16 65536
16 262144 48", header=TRUE) 然后 plot(q, df,type='b',col='navy'
浏览 22提问于2020-04-17得票数 1
2回答
线性回归中的过拟合
、、、
我刚开始机器学习，我很难理解线性回归模型中过度拟合是如何发生的。
考虑到我们只使用两个特征变量来训练一个模型，一个平面怎么可能被一组数据点过度拟合呢？我假设线性回归只用一条线来描述两个变量之间的线性关系和一个平面来描述三个变量之间的关系，我很难理解(或者更确切地说是想象)如何在一条线或一个平面上发生过度拟合？
浏览 0提问于2020-08-27得票数 16
1回答
如果论坛上的一些专家能帮助我了解如何在决策树分析中确定最佳叶数，我将不胜感激。
我使用的是SAS，如果我在我的模型中提供leaves=6，那么验证和培训数据集的错误分类率分别为18.6%和18.8%。如果我不在代码中提供叶数并让SAS来决定，那么在剪枝后，对于验证和训练数据集，SAS取10作为树叶计数，失配分类率分别为17.5%和16.9%。SAS列出6个有意义的变量。现在，错误分类率已经降低，修剪后的树木从4棵增加到10棵，这是一件
浏览 0提问于2019-03-25得票数 1
回答已采纳
2回答
我正在尝试使用支持向量机对C++中已知位置的图像读取的数字进行分类。为此，我在已知数字位置的矩形上采样，并使用ground_truth进行训练。如何选择内核？
浏览 0提问于2013-05-17得票数 0
回答已采纳
1回答
使用scipy最小化函数
、、、
我有一个对数似然函数，它是一个非常长的客户列表的总和，是一些单独的对数似然函数的总和，我想使用scipy.optimize.minimize()方法对其进行优化。res = minimize(negative_ll, params0, method='CG')我尝试了scipy列表的各种算法，但每次算法都会丢失。有没有人能给我一个通用的建议，告诉我如何处理这类问题，即最小化一个我不能真正理解的
浏览 0提问于2014-12-19得票数 2
2回答
超参数整定的鲁棒性
、、、
但是，当对相同的数据重复应用时，生成的模型是不可靠的。我知道，我可以使用种子来修复参数初始化，但我不知道是否有HP优化方法已经考虑到了健壮性。为了说明这个问题，让我们考虑一个只有一个HP的单层神经网络:隐藏的大小(h)。当h较小时时，模型的性能较好，当h较大时，结果开始波动较大，这可能是由于损失情况更加复杂；参数的随机初始化可能导致较好的性能，或者如果优化器陷入局部极小值(由于复杂的损失情况而发生<
浏览 0提问于2020-05-23得票数 4
回答已采纳
1回答
我对机器学习中的回归模型有一个问题，我想知道我的方法是否正确。在考虑了实际情况后，我将预测值除以1.5倍。比方说，我的模型预测在某些情况下是100，我计算了100/1.5，结果大约是66.6。这种操作对于回归是可接受的吗？我能把这个6
浏览 14提问于2017-07-18得票数 0
我有一组实验值，我想找到更好地描述它们分布的函数。但在对一些函数进行修补的过程中，我发现scipy.optimize.curve_fit和scipy.stats.rv_continuous.fit给出了非常不同的结果，通常不利于后者。下面是一个简单的例子：
#!，但在我的情况下，它总是存在的。如何为这种情况选择最合适的优化方法？
浏览 0提问于2014-10-31得票数 2
1回答
为什么我的r^2值一直是负的？
、、、、
我不确定问题是与我的回归估计器模型，还是我对r^2衡量适配的实际含义的理解。我正在进行一个项目，使用scikit学习和~11种不同的回归估计器来生成(粗略！)对棒球幻想表演的预测。某些模型总是比其他模型更好(决策树回归和额外的树回归产生最差的r^2分数，而ElasticCV和LassoCV产生最好的r^2分数，有时甚至可能是一个略微正的数字！)如果一条水平线产生的r^2分数为0，那么即使我的
浏览 4提问于2019-06-02得票数 1
我有一个数据集，有两种可能的结果，疾病与健康，当寻找生物标记物时，有一个变量比包含相同特征的5个变量建立的模型产生更高的AUROC。
浏览 0提问于2020-02-21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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
