我使用不平衡数据通过scikit-learn执行分类并提高模型的准确性，我使用SMOTE技术创建了更多的合成数据。我想知道用GridSearch实现超参数优化的最佳时机。我应该只使用原始数据还是使用original+synthetic数据？
浏览 12提问于2019-10-30得票数 0
1回答
我有一个数据集，我想在其中执行一个分类模型，所以我决定使用随机森林。我拥有的功能数量大约是200个，我想测试哪些功能集给我一个更好的结果。为了进行实验，我不想使用任何特性重要性方法。因此，我所做的就是将我的特性分成20，40,60,80和100个功能，而不需要替换。我正在使用GridSearch来调整我的射频的超参数。我要问的问题是，如果
浏览 0提问于2020-01-26得票数 5
回答已采纳
1回答
我有一个分类问题需要预测(例如，90% / 10%的不平衡二进制变量需要预测)。当我使用插入符号包执行我的分析时，我指的是这个链接()。我把一切都完美地取消了，但最后一部分解释了如何更改SMOTE参数：
smotest <- list(name =
浏览 1提问于2015-11-23得票数 5
回答已采纳
2回答
假设我开发了一个动态系统来预测一些特定股票的未来。随着时间的推移，火车将动态变化。对于每一轮，我使用一个RandomSearchCV来调优Random Forest的超参数，以使用特定的特性来预测某些股票的回报。我的重点是在这个问题中调整超参数。正如我所提到的，我在每一轮中都会执行一个超参数调优，这需要花费大量的时间！(特别是当火车是巨大的)，所以我正在寻找一种方法，以避免这个<e
浏览 0提问于2022-06-29得票数 2
我正在研究数据，在这些数据中，我尝试了不同的分类算法，并看看哪种算法作为基线模型的性能最好。我通常会选择最好的基线模型并在其上执行一个GridSearchCV，以进一步提高其基线性能。然而，如果假设作为基线模型(在本例中为AdaBoost)的模型仅通过超参数调优提高1%，而最初执行得不太好的模型(例如SCV())具有更大的“潜力”，通过超参数调整来改进(例如，会改进4%)，并且在调整之后</
浏览 2提问于2021-08-08得票数 1
回答已采纳
5回答
我在Python程序中使用scikit-learn来执行一些机器学习操作。问题是我的数据集存在严重的不平衡问题。
有没有人熟悉scikit-learn或python中不平衡的解决方案？在Java中有SMOTE机制。在python中有类似的东西吗？
浏览 1提问于2013-02-25得票数 40
1回答
我想根据以下模型来调整激活函数:身份、逻辑、tanh和relu。我所做的是：📷在那之后，我得到了"adam“和"relu”作为超参数，我用训练和测试集对它们进行了测试，所以我大致是这样做
浏览 0提问于2020-10-03得票数 1
回答已采纳
1回答
超参数调谐阶数
、、
我试图对随机森林回归模型进行超参数调整。我的问题是-有什么命令我应该去做吗？比如从特定的参数开始，然后转移到另一个参数上？我应该每次只用一个参数来检查模型，还是对我正在检查的每个参数添加我已经找到的参数？Exmaple:如果我运行的模型只有n_job -1和min_sample_leaf，并且得到了min_sample_leaf的最佳值，现在<e
浏览 0提问于2020-12-24得票数 1
回答已采纳
1回答
我的问题的上下文：既然我在寻找随机森林(GRidSeachCV)的最佳参数，我应该如何输入ccp_alpha值？<e
浏览 2提问于2020-08-13得票数 0
1回答
我将完成我的第一个数据科学项目，这个项目将进入我的GitHub投资组合。我试图跟随不同的项目，然而，因为每个项目都有自己的方式，我迷失了什么是正确的方式，什么是可选的。0.765 (0.027)>LR 0.837 (0.029)>SVM 0.766 (0.040)
Logistic回归多参数整定或者，我是否需要将数据分割成训练/测试子集，并以最佳参数
浏览 0提问于2023-04-29得票数 0
回答已采纳
4回答
调整参数或选择模型
、、、
我一直在阅读我们如何将我们的数据分成3部分；通常，我们使用验证集来帮助我们调整参数和测试集，以便对我们的模型的表现有一个无偏的估计，这样我们就可以根据测试集的结果来比较模型。然而，我也读过模型选择应该在调优参数之前完成。我有点糊涂了。哪一个必须先做另一个？验证集是否用于调优？如果是这样的话，我们应该如何在调整参数之前进行模型选择？
浏览 0提问于2018-11-27得票数 10
回答已采纳
我正在寻找包，可以做多类过度抽样，欠采样或这两种技术。我尝试使用ROSE包，但它只适用于二进制类。
我的目标变量有4个类，其中%是。"
浏览 1提问于2018-01-11得票数 0
回答已采纳
1回答
我找到了关于如何使用惰性val将过激成员值传播到超类构造函数的。不幸的是，这篇文章并没有解释为什么这样做。我理解非惰性值不能被分配两次，因此，在超级构造函数中没有可用的值，因为必须跳过超类构造函数中的值分配，这样才不会将变量锁定到另一个值。但是，println语句(它在超级构造函数中执行，即在对新的延迟值进行签名之前)如何知道这个新值？我是不是把执行令搞糊涂了？还是println只是在构造对象之后才计算它的参
浏览 1提问于2013-08-04得票数 2
回答已采纳
1回答
随机森林工作流？
、、、
我有一个数据集，它由相当多的列(超过1000)组成，相对于我目前正在运行随机森林回归的行数(370)。我有点困惑于处理各种任务的最佳方法，比如特性选择和交叉验证。目前，我所做的工作如下：用五重交叉验证对模型进行评价考虑到我所拥有的大量特性，以及我的模型的低性能，我<
浏览 0提问于2020-02-18得票数 4
回答已采纳
我目前正在处理一个用于部署的fabric文件，我希望有一个总是被调用的任务或函数，而不管命令行中给出了哪些fab任务。这个函数应该在环境中设置一些默认值，并且应该在根据参数更新主机列表之后调用，但是在之前执行任何“真正”任务之前的。
这是可能的吗?还是必须在每个任务开始时手动调用此函数？
浏览 1提问于2014-12-22得票数 0
回答已采纳
1回答
如何将外部功能添加到我的管道？
、、、、
我也有同样的问题。在构建Pipeline和执行GridSearch以找到最佳超参数之前，我想在稀疏矩阵(来自TfidfVectorizer)中添加新的数据列，在我的例子中，3列用于虚拟变量。目前，我可以使用下面的代码在没有GridSearch和Pipeline的情况下按模型执行此模型。add dummies to tvec sparse matrix
X_train_tvec_du
浏览 38提问于2020-11-01得票数 1
回答已采纳
1回答
整个模型开发过程的优化
、、、
我想对整个模型开发管道执行全局优化。我有几个开发阶段，每个阶段都可以自动执行:预处理，去除异常/异常，过采样，特征选择，超参数调整。这些步骤中的每一个都有许多不同的实现。例如，您可以调优超参数，删除10%未使用的函数，重复对超参数的搜索。训练几个模型，并将它们组合成一个整体。用1种算法去除异常，然后再用另一种算法。在特征选择之后或之前删除异常。我
浏览 0提问于2022-12-11得票数 0
2回答
低分类精度
、、、、
在预测之前，我通过winsorization (1%和99 %)减少了异常值的数量，并通过Yeo变换和数据集减少了大于1且小于-1偏斜度的特征中的偏度：
https://i.stack.imgur.com对于这个问题，数据集是否太小(我是否应该像SMOTE这样的方法添加更多的示例？)课堂上的样本太少，不能做好吗？在调整超参数(例如，通过GridSearchCV之类的方法)之后，是否有可能获得至少60%的精度？我将补
浏览 0提问于2022-04-25得票数 2
我是机器学习的新手，并试图构建符合良好实践且不受偏见影响的机器学习模型。我已经决定使用Sklearn的Pipeline类来确保我的模型不容易发生数据泄漏。我正在构建一个ML模型，试图预测趋势Buy，持有，销售下个小时。
但是，我的多类分类数据集非常不平衡。虽然不一定要担心测试集是不平衡的，但重要的是，火车组是平衡的。然而，我已经进行了适当的研究，但是我找不到一个关于数据集再平衡步骤应该在哪里执行的答案。应该在缩放<e
浏览 0提问于2020-04-04得票数 4
1回答
我使用交叉验证，因为我有x个测量数据库，我想评估我是否能够用x数据库的子集来训练一个神经网络，并将神经网络应用到看不见的数据库中。因此，我还介绍了一个测试数据库，它不用于超参数识别阶段。对于如何处理交叉验证中的历元数，我感到困惑，例如，我有许多历元= 100。有两种选择：
划时代数是一个需要调整的超参数。在每个时代，跨越所有交叉验证迭代的平均误差被确定。在使用所有
浏览 1提问于2020-04-29得票数 1
回答已采纳
云服务器
ICP备案
对象存储
云直播
实时音视频
腾讯云开发者
