我的情况是，许多模型已经创建，我有他们的交叉验证性能以及测试数据的性能。我需要选择的模型，包括在一个简单的包装集合，最有可能泛化为新的数据。由于每个个体模型都有很好的泛化机会，并且模型的多样性会产生纠错效应，因此传统的观点认为选择CV性能高、相关性低的模型是可行的。然而，似乎
浏览 0提问于2020-08-26得票数 1
2回答
我刚刚看了，阅读了的一些部分，现在我正在考虑用实现一个推荐系统。示例:我有这两种模型:用户和项目。每个标签都有一个标记列表作为属性。下面是计算用户和项之间相关性</em
浏览 3提问于2010-09-22得票数 6
回答已采纳
1回答
看看是否有人可以推荐一种计算效率高的方法来平移/平移(x，y)像素的图像。
原因是，我在一定程度上成功地实现了傅立叶-梅林变换，以确定图像帧之间的旋转和平移。一旦图像被取消旋转，我想通过计算的像素偏移量(x，y)取消图像的平移。允许我测试旋转和平移后的图像相关性。
浏览 2提问于2012-08-20得票数 0
1回答
Logistic回归模型及其解释
、、、、
我正在建立一个logistic回归模型来预测贷款公司客户的信用风险。📷具有pvalue <0.05的过滤特性我只是认为当系数很高的时候，这没有任何意义，但是另一方
浏览 0提问于2022-12-14得票数 6
1回答
我想测试一下CB的电子商务任务:个人推荐(比如“最后一次购买的机会”、“相似的位置”、“消费者推荐”、“畅销书”等)。我的任务是对它们进行排序(在推荐列表中相关性更高的问题)。因此，这里有5种可能的报价。我在没有使用任何模型的情况下收集了一些历史数据:上下文(用户和网络会话功能)，动作id (我的5个优惠之一)，奖励(如果用户点击了这个优惠，1，
浏览 25提问于2020-05-20得票数 0
1回答
我正在做新冠肺炎病例预测使用SVR，并获得负值，而不应该有数量的Covid-9例阴性。我所使用的特征输入是流动性因子(其中有负面数据)和新冠肺炎的每日案例。我用的是RBF核。我使用的自变量(移动性)对此有影响吗？
浏览 0提问于2022-05-13得票数 1
1回答
我最近开始探索TensorFlow为我自己写的专栏。
如果我对文档的理解是正确的，那么特征列只是在将数据拟合到模型之前进行进一步转换的“框架”。因此，如果我想使用它，我定义了一些特征列，从它们创建DenseFeatures层，当我将数据拟合到模型中时，所有特征都通过该DenseFeatures层，转换，然后适合我的NN的第一个密集层。我的问题是，是否有可能以某种方式检查转换后的特征与我的目标变量<e
浏览 20提问于2020-05-13得票数 0
我正在处理一个使用CodeCharge工作室创建的大型遗留项目。我们希望摆脱CodeCharge，因为我们真的不喜欢它(原因有很多)。
我们不能一次重写整个项目，它将以增量的方式发生。因此，我需要回答这个问题:当我们逐渐移植所有东西时，其他流行的框架中哪一个最适合与另一个框架(如CodeCharge )并行/集成？
浏览 0提问于2010-02-09得票数 0
我以图像的形式输入数据集，输出数据也是图像而不是被标记的数据。因此，它既不是分类问题，也不是回归问题。输入和输出干扰之间可能存在一定的相关性，我希望我的模型能够了解这种相关性。我正在努力寻找适当的方法来实现这一点。有人能帮忙吗？
浏览 0提问于2021-07-02得票数 1
1回答
查找加密货币数据之间的相关性
、、、、
我有一个关于加密货币的数据集。数据集的列如下: 1.货币名称2.日期3.高4.低5.关闭6.打开7.成交量8.市值
我想找出两种货币之间的相关性。例如，比特币的高与以太之间的相关性。
浏览 24提问于2018-01-19得票数 3
1回答
在进行PCA和学习过程之后，我问自己下一步的结果会有什么好处。从PCA中，我学会了如何通过降低维数来可视化数据集，我得到了更有效地描述群体成员的方便的新向量，并且我学习了哪些原始预测器比其他预测器关联和贡献更多。我问自己的问题是，是否有更多的学习从PCA，这是一个好主意，使用PCA模型的学习算法，以更好的表现，是否有可能尊重名义或序数预测在PCA？
浏览 0提问于2017-05-05得票数 3
回答已采纳
1回答
我认为特征工程在这个问题上是很重要的。因此，我非常小心地检查该功能的有效性。我喜欢线性回归，因为我认为这很容易解释，而且我不擅长机器学习模型。但是我想我有另外一种方法:在没有仔细检查的情况下构建很多特性，选择好的模型来处理它。在哪种模型中，添加什么样的特征，会损害该模型的能力？有没有什么模型，我可以补充一下，而不用担心垃圾特性的危害？在这种模
浏览 0提问于2021-04-04得票数 0
回答已采纳
1回答
我希望在Python中评估随机森林回归器的测试性能，除了在训练集上运行交叉验证之外，我想知道在预测的Y测试结果和实际的Y测试结果之间运行某种相关性分析是否合适？我可能过于简单化地认为，两者之间的显著相关性表明，预测的Y与实际测试的Y一致，因此，预测是好的……
任何替代建议都是非常受欢迎的。谢谢。
浏览 19提问于2018-08-28得票数 2
回答已采纳
1回答
我正在研究Tensorflow中的神经网络。我的网络执行多标签分类来预测哪些用户对哪些汽车出价。我有一个包含三列的CSV :用户bid、最高出价和制造商名称(汽车型号)，但是我只使用用户bid和制造商名称。用户ID是输入，Make名称是标签，其中存在86个唯一的Make名称。我的问题是，当我用数据集训练我的模型时，我的损失下降得非常慢，精度几乎没有变化。
我试着改变我正在使用的层的数量，以及在每个隐藏层中尝试不同数量
浏览 0提问于2019-09-12得票数 0
2回答
我是时间序列分析的新手，目前我正在处理一个股票市场预测问题。我在研究蟒蛇。使用熊猫，我也尝试了pandas.dataframe.corr()方法，但我想知道皮尔逊和斯皮尔曼相关功能在熊猫是否符合我<e
浏览 0提问于2019-03-23得票数 1
1回答
我一直在做一些关于集成学习的研究，并且读到对于基本模型来说，通常推荐高方差的模型(不记得我到底从哪本书中读到的)。但是，这似乎违反了直觉，因为拥有低方差的基本模型(在测试集上做得很好)是不是比拥有多个坏的基本模型更好呢？
浏览 0提问于2021-01-12得票数 1
1回答
我正试图建立一个分类模型来预测纽约出租车出行的价格(2018年)。数据源页面
由于原始文件非常大(112 234 626行)，所以我构建了较小的示例文件(1000行)来进行第一次探索性分析。通过使用这个示例文件，我构建了热图图来显示数据集特征之间的相关性。发现模型的因变量(fare_amount)仅与trip_distance变量相关。其他独立变量之间没有明显的相关性。这是否意味着我使用的数据集不适合于分类任
浏览 0提问于2019-06-04得票数 0
它有13个特征，我使用的是多元线性回归模型。当我检查特征和目标值的相关性时，它显示了df.corr()方法和Summary()函数奇怪的结果。 对于较少的特征，p相关系数较低。但是，如果我在回归后使用summary()函数，这些特征具有不同的p值。相关系数最低的特征不具有最高的p值。或者由这两个不同函数获得的相关系数和p值没有相似性/相关性。可能出了什么问题？regressor_OLS =
浏览 57提问于2019-02-13得票数 0
回答已采纳
我为一个项目加载了一个包含156个变量的数据集。我们的目标是找出一个模型来预测测试数据集。我对从哪里开始感到困惑。通常我会从基本的线性回归模型开始，但是有156列/变量，应该如何从模型构建开始？
浏览 0提问于2019-12-30得票数 1
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
