在做某些实验时，我们通常在70%上进行训练，在33%上进行测试。但是，当你的模型投入生产时会发生什么呢？该模型针对4个特征进行了训练。现在，某经销商只销售轿车和跑车：----------------------------------------------| 2 | 0 | 1 |
| 3 | 1 |
浏览 6提问于2018-07-25得票数 5
在keras上实现LSTM时，将shape.x(None，78)的输入one-hot编码转换为shape.x(None，1，78)，但不确定为什么需要在keras中进行此转换。我正在查看以下DL课程的代码示例：LSTM_cell = LSTM(n_a, return_stateModel(inputs = [X,a0,c0],outputs = outputs)
retu
浏览 0提问于2020-04-08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))%>>%
po("encode",param_vals = list(method = "one-hot")) 我想用predict(Learner, newdata =pred, predict_ty
浏览 32提问于2020-10-06得票数 0
回答已采纳
我们有一个由多个特征转换阶段组成的流水线(2.0.1)。当训练管道模型，并使用它来预测所有的工作良好。但是，存储经过训练的管道模型并重新加载它会引起以下问题：
存储的“训练有素”OneHot编码器不跟踪有多少类别。加载它现在会引起问题:当加载模型用于预测时，它会重新
浏览 3提问于2017-02-06得票数 2
回答已采纳
3回答
我有一个关于随机森林的问题。假设我有关于与项目交互的用户的数据。项目的数量很多，大约有10000个。我的随机森林的输出应该是用户可能与之交互的项目(比如推荐系统)。对于任何用户，我都希望使用一个功能来描述用户过去与之交互过的项目。然而，将分类产品特征映射为一次性编码似乎非常低效，因为用户最多与几百个项目交互，有时甚至只有5个项目。当输入特征之一是具有大约10,000个可能值
浏览 0提问于2017-09-27得票数 3
我通过在机器学习和深度学习领域做项目来训练自己。为此，我向Kaggle竞赛(如 )注册。
当我们加载数据时，有两个数据集:火车和测试。现在，我将对缺失的值进行估算，并执行一些预处理操作，因此，我将对数据使用一些聚合，对分类特征进行编码等等。但是，我不知道是否应该同时使用训练集和测试集来计算这些特征的平均值或标记，或者仅仅使用训练
浏览 0提问于2019-07-26得票数 0
回答已采纳
我仍然对一个热门的编码器感到有点困惑。我只是在想，如果我们在拆分之前进行编码，就不应该有任何“信息泄漏”到测试集中。那么，为什么人们提倡在编码之后进行编码呢？不是只用于将分类变量转换为二进制的热门编码器吗？我只是想知道什么是行业标准。
谢谢
浏览 0提问于2019-11-28得票数 1
我不确定如何摆脱这个错误。下面是我的示例数据集。我是不是还漏掉了什么步骤？
浏览 0提问于2020-05-26得票数 1
3回答
我注意到，当在特定的数据集(矩阵)上使用一种热编码并用作学习算法的训练数据时，与使用原始矩阵本身作为训练数据相比，它在预测准确性方面提供了明显更好的结果。这种性能提升是如何实现的？
浏览 6提问于2013-07-04得票数 132
回答已采纳
2回答
我在ML中迈出了我的第一步，特别是文本情感分析的分类器。我的方法是进行通常80%的训练数据集和20%的测试。有了一个经过训练的模型，当新特征出现(文本中的新词没有出现在初始数据集中)时，在生产环境中进行的最佳方式是什么？
浏览 19提问于2017-08-08得票数 0
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
2回答
我在这里有点困惑，我有一个对所有<10个唯一值low_cardinality_cols的分类列进行了热编码，并删除了用于训练和验证数据的其余分类列。现在，我的目标是将我的模型应用于test.csv中的新数据。对测试数据进行预处理以匹配训练/验证格式的最佳方法是什么？我担心的是：
对于这些列，Test_data.csv当然会有不
浏览 7提问于2019-12-23得票数 2
回答已采纳
我使用scikit-learn中的各种机制来创建由文本特征组成的训练数据集和测试集的tf-idf表示。这两个数据集都经过预处理，以使用相同的词汇表，因此特征和特征的数量是相同的。我可以在训练数据上创建一个模型，并在测试数据上评估其性能。我想知道，如果我在转换后使用Select
浏览 0提问于2015-04-01得票数 2
1回答
我正在处理由数字和分类特征组成的数据，其中每个输入都由一组可变大小的特征组成。例如:通过使用房子中每个房间的特征来预测房子的价格，每个房子可以有不同数量的房间。特征可以是米的大小，类型(如客厅/浴室/卧室)，颜色，地板...一些分类特征具有很高的基数，我可能会使用许多特征。
浏览 3提问于2019-07-31得票数 2
1回答
1002 Sam 1204 Sam 140经过一次热编码后Danny测试数据，这是name中的一个新级别。values1 Danny 2103 Tony 180经过一次热编码后220 0 0 1 0
3
浏览 2提问于2021-04-01得票数 3
回答已采纳
问题是，这些supervised_ratio和灾难都是根据训练集来计算的，对吧？因此，我得到训练集并处理它，计算SR和灾祸，用新的值更新训练集，并将计算值保留在测试集中。但是，如果测试集有不属于训练集的邮政编码，会发生什么呢？当没有SR或悲哀的价值可以使用？(实际上，如果培训数据集没有涵盖所有可能的邮政
浏览 7提问于2017-09-09得票数 2
回答已采纳
我的数据集大约是700个向量，相当不平衡，大约20%是正面的:80%是负面的。我使用了几种特征评级算法，例如libsvm中的boruta或fselect.py来构建范围特征排序列表，然后从该列表中选择一些顶级特征。问题是，当我采用更多的特征时，AUC值变得相当高(特征越多，AUC值越
浏览 0提问于2019-10-03得票数 0
我已经在我的初始训练集上训练了一个XGBoost分类器，它被转换成每个分类特征被散列为log (x )维(x是每个特征中唯一的因子级别的数目)。我将对每日提取的索赔数据进行散列，这些数据具有相同的哈希维度，因此，在对模型进行培训的特征数量与每日提取的特征数量之间没有差异，允许我使用经过训练的模
浏览 0提问于2020-04-27得票数 0
2回答
我了解如何使用WEKA，我首先将arff加载到创建Instances的程序中。然后，这些数据将被提供给已在此数据集上训练的Classifier。现在，我想给它一个没有标签的新测试数据集，并让WEKA API告诉我该实例的标签是什么或可能是什么。这是怎么做到的呢？
浏览 0提问于2012-04-20得票数 0
回答已采纳
1回答
在分类变量练习中，最后一部分是生成测试预测。我已经编写了以下代码，但得到了一个错误。我无法理解这个错误，为什么它说X有148个特征，随机森林期望155个特征。我的代码：
# X_test.dropna(axis=0, inplace
浏览 11提问于2022-07-04得票数 -1
云服务器
ICP备案
云直播
腾讯会议
实时音视频
腾讯云开发者
