1回答
在我尝试的Kaggle竞赛中有一个不平衡的数据集。数据集的目标变量是二进制变量，它倾向于0。我尝试了几种机器学习算法，如Logistic回归算法、随机森林算法、决策树算法等，但它们的准确率都在70%左右。似乎模型总是倾向于预测0。因此，我尝试了几种方法来获得一个不偏不倚的数据集，如下所示。使用SMOTE和其他技术对数据集进行采样
浏览 0提问于2021-07-23得票数 2
1回答
我使用gridsearchcv来确定my分类器中的哪些超参数可以使我的神经网络的准确性更高。我发现层和节点的数量会造成差异，但我正在尝试找出哪些其他配置可以在准确性方面有所不同(实际上是F1分数)。但是根据我的经验，像“激活”，"learning_rate"，“求解器”这样的参数看起来并没有真正改变任何事情。我需要做一个研究，看看其他哪些超参数可以通过神经网络来影响预测的
浏览 28提问于2019-05-12得票数 0
回答已采纳
1回答
我需要一些建议来提高我的模型的准确性。📷此数据集高度不平衡。0 159730 我试过抽样了。y_train)0 159730
最后，我使用XGBClassifier对模型进
浏览 0提问于2019-04-21得票数 1
我有一个具有非常高不平衡类的3类数据集：class 2: 27000使用简单的学习算法，精度为84.6%，但正如预期的那样，大多数预测是class使用oversampling、SMOTE、undersampling、XGBoost、Adaboost等技术，F1评分有所增加，但总体上准确性要么保持在~84%，要么下降。任何有希望的技术，我可以探索，以
浏览 0提问于2020-10-24得票数 -2
回答已采纳
1回答
在数据集不平衡的情况下，我试图了解AUC是一个比分类精度更好的度量标准。假设dataset包含3个类的1000个示例，如下所示：显然，这些数据是不平衡的一个天真的策略是预测属于第一类的每一个点。
假设我们有一个具有以下预测的分
浏览 2提问于2020-06-19得票数 1
回答已采纳
1回答
如何提高低召回价值？
、、、
我正在处理的人力资源消耗数据是高度不平衡的。我使用了平衡技术，比如SMOTE来生成合成数据，然后使用高斯朴素Bayes对自然损耗进行分类。在绘制混淆矩阵之后，我发现它具有很高的精确度，但召回率却很低。有人能建议如何提高回忆价值吗？
浏览 0提问于2020-05-11得票数 -1
3回答
我目前正在训练一个神经网络，我无法决定使用哪一个来实现我的早期停止标准:验证丢失，或者像准确性/f1core/auc/任何在验证集上计算的指标。有人对何时使用验证损失和何时使用特定的度量有指示吗？
浏览 0提问于2018-08-20得票数 44
回答已采纳
3回答
对不平衡集进行分类预测分析的方法之一是对多数类进行欠采样(其他方法包括:对多数类进行欠采样，合成新的少数类.)。
下面假设我们使用这些解决方案中的任何一个，然后用新生成的数据集来训练算法。这个经过训练的算法是否有助于预测来自这个系统的进一步数据，而这个系统通常是不平衡的？或者说，为了使它更加具体，是否有可能在一般情况下训练一个<
浏览 0提问于2016-09-01得票数 6
1回答
我有一个由5个数值变量组成的数据集，如以下图像中的示例：在这个数据集中，前四个变量是输入，GDP是输出。我正试图建立一个回归GDP变量的神经网络。对于输入变量，我使用主成分分析来规范数据，而对于GDP变量，我使用了MinMax归一化算法。然而，神经网络结果的精度很低，我认为问题在于输出变量的归一化。关于如何提高神经网络的<
浏览 0提问于2020-03-24得票数 0
1回答
嗨，我面临的问题是，我有数据集来判断人是否感到寒冷，给我的数据集被称为坏数据集，我希望最大限度地提高模型的准确性和精度。
浏览 1提问于2022-12-03得票数 0
我有一个多层神经网络，它使用数据库中的两个变量(酒精和Malic.Acid)#Reading in the wine data from last week's labsprint(predict_outNN2)并打印出预测结果
最后一部分是‘计算
浏览 4提问于2021-11-09得票数 0
回答已采纳
1回答
对于分类问题陈述，我应该使用哪一种评估标准？我应该决定什么因素? 1. 准确性 2. F1评分 3. AUC ROC评分 4. 日志丢失
浏览 3提问于2020-01-11得票数 0
2回答
我正在做一个项目，我试图将评论分类为不同的类别：“有毒”，"severe_toxic"，“猥亵”，“侮辱”，"identity_hate“。我使用的数据集来自这个Kaggle挑战：。我目前面临的问题是，无论我在多小的训练数据集上拟合我的数据，当我预测测试数据的标签时，我的准确率总是在90%左右或以上。在本例中，我在1
浏览 0提问于2019-12-02得票数 0
2回答
我试图在两个类(二进制分类)的数据集上执行情感分析。Dataset严重不平衡于70% - 30%。我使用LightGBM和Python 3.6来建立模型和预测输出。我认为数据集的不平衡会影响我的模型的性能。我得到了90%的准确性，但它并没有进一步提高，即使我执行了参数的微调。我不认为这是最大可能的准确性
浏览 4提问于2017-11-08得票数 3
回答已采纳
1回答
我试图预测构建性能的标签：{1，0}。因为这是二进制分类，所以我尝试了使用Xavier初始化的sigmoid和identity激活函数。然而，我不能提高我的模型的准确性，因为损失和准确性停留在训练后的每一个时代。这是一个非常不平衡的数据集，其中90%的数据集占多数。所以，我想这可能是由于最初的
浏览 8提问于2022-06-25得票数 -1
1回答
有5个(不平衡)类，我使用不同的类权重。一般来说，每堂课只有几张训练图像：~56-238。📷我不知道如何解释这两
浏览 0提问于2018-11-20得票数 1
回答已采纳
1回答
1)目前，我正试图建立一个具有高度不平衡类(二进制分类)的前馈神经网络，其中1类的观测量很低(以及需要预测的类)。数据集非常大，因此为了使网络更好地预测第1类，我对训练集中的0类观测进行了抽样(最后得到了大约60万次观测的训练集)。现在，我使用“精度”作为优化的度量来估计神经网络，同时使用早期停止来优化不平衡验
浏览 0提问于2019-04-26得票数 6
1回答
我已经为MNIST数据集训练了一个带有keras的顺序模型，这是我使用的代码。如何从输出中的这些指标中了解我的模型性能。如果可能的话请解释。
浏览 0提问于2018-11-10得票数 1
回答已采纳
1回答
我在不平衡的数据集上训练随机森林，准确性并不能提供信息。我希望避免交叉验证，而使用OOB (OOB)评估。在sklearn (或者一般的python )中，是否可以评估OOB (OOB) F1或AUC而不是OOB的准确性？我在这些页面上找不到这样做的方法： https://scikit-learn.org/stable/auto_examples/e
浏览 21提问于2020-09-13得票数 2
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
