我有一个包含5个特征的数据集，每一列都在不同的数字范围内。我尝试过使用MinMaxScaler和StandardScaler，但是这个多类问题的准确率太低了。 ?
浏览 46提问于2020-07-13得票数 1
回答已采纳
我有一个原始的数据集与9个特征数字和第10列是一个分类国家=法国，德国，印度，中国，墨西哥。数据集有20000行。许多数值特征列缺少数据，而且没有规模。我应该预测一个特征值，它位于数据集中的第5列位置。我是否应该：
对整个原始数据集进行预处理，包括输入数据(用于丢失数据)、用于分类和<e
浏览 5提问于2017-09-29得票数 0
1回答
本教程适用于标签数据集。执行下列步骤：
本教程使用一个大的标签数据集，该数据集被分割成一列火车和一个测试来构建模型并随后对其进行评估。我用我的火车数据集处理它，没有问题。现在，我想对没有标签的Kaggle的一个单独
浏览 2提问于2017-04-30得票数 1
我目前正在研究一个多类分类问题，有一个大型的培训集。然而，它有一些特殊的特点，促使我对它进行实验，导致训练集的几个版本(由于重新取样、删除观测等等)。我已经被教导过，你应该像预处理训练集一样对测试集进行预处理，也就是(为了缩放和对中)来测量训练集上的均值和标准差，并将这些值应用到测试集中。这在我看来是合理的。但是，如果你已经收缩/重放了训练集</
浏览 0提问于2015-01-29得票数 3
回答已采纳
2回答
假设我有一个具有不同类型的数值属性的数据集。这些特征向量必须适合于NNs。(应归一化/标准化向量.)例如，我们的数据集由足球比赛的数据组成。数据集：
-------------------------------------------------------------
浏览 0提问于2018-07-18得票数 1
回答已采纳
1回答
从更大的2d集中选择一个子集？
、、、、
但是忽略那些超出范围的(*)。| __________ ||__________________________|相反，我正在寻找一种方法，只选择附近的元素开始。也许通过某种方式对2d集进行排序，并且只在一定范围
浏览 2提问于2014-05-07得票数 4
回答已采纳
2回答
因此，我需要对螺旋数据集进行分类。我一直在试验一系列算法，如KNN，Kernel SVM等。我想尝试使用特征工程，预处理等来提高Logistic回归的性能。这更像是对预处理和其他特征工程/提取方法的学习练习，看看我可以在多大程度上改进这个特定的模型。 以下是我将用于分类的示例数据集。任何关于如何操作数据集以在Logistic回归算法中使用的建议都将是有帮
浏览 44提问于2021-07-12得票数 0
回答已采纳
在比较两种不同的算法与特征选择时，我偶然发现了下面的问题：📷
当考虑到NB如何对给定的实例进行分类时，用于分类的特征子集的大小只会影响条件依赖的乘积所包含的部件的数量，但这不会产生影响，还是会影响？
浏览 0提问于2014-12-30得票数 2
1回答
我想使用Apache Mahout和朴素贝叶斯分类器对一堆文档进行分类。我做了所有的预处理，并将训练数据集转换为特征向量，然后训练分类器。现在我想把一堆新的实例(待分类的实例)传递给我的模型，以便对它们进行分类。
然而，我的印象是，必须对我的待分类实例和训练数据集一起进行预处理？如果是这样，为什么我可以在构建模型时没有要分类的实例的真实场景中使用
浏览 1提问于2015-07-08得票数 0
1回答
如何进行实时数据的特征工程？
、、、、
我用以下步骤建立了一个很好的线性回归模型：
我的问题是，如果我们在生产环境中使用这个模型，那么我们如何进行实时数据的特征工程，因为这个模型是用特征归一化和缩放的来建立的，那么如何对实时数据进行规范
浏览 2提问于2017-03-01得票数 0
1回答
我试图根据NLP中的单词包模型进行分类。
训练数据和测试数据有不同的词包，因此特征的个数不同，所以我们不能使用knn这样的分类方法。我把训练数据和测试数据合并在一起，建立了tf-国防军矩阵.这就解决了上述不同字袋
浏览 10提问于2017-07-07得票数 0
2回答
假设我对用于训练Learner的训练集应用了以下预处理 preprocess <- po("scale", param_vals = list(center = TRUE, scale = TRUE)),param_vals = list(method = "one-hot")) 我想用predict(Learner, newdata = pred, predict_type="prob")命令预测数据帧如何将训练集上使用
浏览 32提问于2020-10-06得票数 0
回答已采纳
我知道三个步骤，预处理，特征点提取和分类。如何进行预处理？如何在opencv中提取特征点？如何实现这一点？
请帮忙..。
浏览 3提问于2016-02-13得票数 4
回答已采纳
1回答
我目前正在使用TensorFlow的Python开发一个音频分类器，使用UrbanSound8K数据集并试图区分10个相互排斥的类。音频文件长达4秒，包含176400个数据点，这将导致严重的内存问题。如何对音频进行预处理以减少内存使用量？
如何从音频中提取更有用的特征(使用卷积和池)？
浏览 4提问于2017-02-19得票数 2
回答已采纳
我有一个包含3目标变量和n特征变量的季节性时间序列数据集。在将数据输入到简单的LSTM之前，我尝试应用PCA算法。我所做的工作如下：
features)Apply 拆分列车验证-测试列车数据集的标准标量器(Forcemean=0& std=1) (包括目标和目标PCA，仅针对列车的特征，通过第三步的PCA矩阵)验证和目标中的特征变量:如何处理目标的验证和目标的测试variables?...多神经网络预处理和构
浏览 6提问于2021-11-09得票数 0
回答已采纳
1回答
我尝试用一个回归模型拟合数据矩阵X到输出向量y。我有一些训练数据和一些测试数据，其中的分数是RMSE。实际上，我不知道如何取得更好的成绩，所以我在这个论坛上请求另一种方法。我已经尝试过KernelRidge、线性回归、SVR和其他核函数、神经网络，但它们都给出了更差的结果。
浏览 0提问于2017-03-28得票数 -1
1回答
从特征集中选择集成特征
、、、
我有一个关于集合特征选择的问题。
我的数据集由1,000个样本和大约30000个特征组成，它们被分类为标签A或标签B。我想做的是挑选一些可以有效地对标签进行分类的特征。我使用了三种方法，单变量方法(皮尔逊系数)，套索回归和SVM-RFE(递归特征消除)，所以我从它们中得到了三个特征集。我使用python scikit-learn进行特性选择。然后我在考虑集成特征选择方法，因为特征的
浏览 2提问于2015-12-11得票数 3
1回答
我有一个包含许多特性的大数据集(70)。通过进行预处理(删除有太多缺失值的特征和与二进制目标变量无关的特征)，我得到了15个特征。现在，我使用决策树对这15个特征和二进制目标变量执行分类，以便获得特征重要性。然后，我会选择高度重要的特征作为我的聚类算法的输入。在这种情况下使用特性重要性有意义吗？
浏览 0提问于2021-03-16得票数 1
回答已采纳
X数据的两个常见的ML预处理步骤是标准化(例如，缩放到单位方差)和分解(将特征映射到一个新空间AIUI)。在ML管道中实现这些步骤(包括培训/测试/验证集)的两种可能方法是：
1)对整个训练/测试/验证X数据集进行标准化/分解，然后分解成训练/测试集，并使用最小误差模型对验证集进行预测。( ii)分成训练/测试<
浏览 2提问于2015-05-12得票数 1
回答已采纳
1回答
非线性数据的k+降维
、、、
我试着在一个复杂的模拟数据集上使用k-NN。numpy数组是(1000,100)，因此有很多尺寸。在运行k-NN进行训练/分类之前，我需要对数据集进行预处理/转换。PCA不起作用，因为所有特征的方差几乎是相同的。作为csv的数据在这里可以作为gist：获得。在绘制数据时，它看起来像是一个3d球形结构(以下是使用“超级工具”的屏幕截图)：
对如何进行</e
浏览 1提问于2017-07-01得票数 3
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
