提高我在Python中预测技术的精度
在Python中提高预测技术的精度可以通过以下几个方面来实现：
- 数据预处理：在进行预测之前，对数据进行预处理是非常重要的。可以使用Python中的数据处理库（如NumPy和Pandas）来清洗、转换和标准化数据。这包括处理缺失值、异常值和重复值，进行特征选择和特征缩放等。
- 特征工程：通过对原始数据进行特征提取和特征转换，可以提高预测模型的性能。可以使用Python中的特征选择库（如Scikit-learn）来选择最相关的特征，或者使用特征转换方法（如主成分分析）来降低数据维度。
- 模型选择与调参：选择适合问题的预测模型是提高精度的关键。Python中有许多机器学习和深度学习库可供选择，如Scikit-learn、TensorFlow和PyTorch。可以根据问题的特点选择适合的模型，并使用交叉验证和网格搜索等技术来调整模型的超参数，以达到最佳性能。
- 集成学习：通过将多个预测模型进行组合，可以进一步提高预测的准确性和稳定性。Python中有许多集成学习的库可供选择，如Scikit-learn中的随机森林和梯度提升树。可以使用这些库来构建集成模型，并通过投票、平均或堆叠等方法来融合多个模型的预测结果。
- 模型评估与优化：在进行预测之后，需要对模型进行评估和优化。可以使用Python中的评估指标库（如Scikit-learn）来计算模型的准确率、精确率、召回率、F1值等指标。根据评估结果，可以进一步优化模型，如调整阈值、增加训练样本、减少特征等。
总结起来，提高在Python中预测技术的精度需要进行数据预处理、特征工程、模型选择与调参、集成学习以及模型评估与优化等步骤。通过合理选择和组合这些步骤中的方法和工具，可以提高预测模型的性能和准确性。
腾讯云相关产品和产品介绍链接地址：
- 数据预处理：腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 特征工程：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
- 模型选择与调参：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
- 集成学习：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
- 模型评估与优化：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
相关·内容
1回答
我用tensorflow格子中的Keras预先制作的模型，使用python3.7构建了自己的模型，并保存了经过训练的模型。然而，当我使用经过训练的模型进行预测时，预测每个数据点的速度都在毫秒级，这似乎非常缓慢。有什么方法可以加快tfl的预测过程吗？
浏览 0提问于2021-04-21得票数 0
回答已采纳
2回答
分类模型精度低
、、、
几个月以来，我一直在做一项预测，从销售到销售。有人在我的网站上领先，我想预测这个用户是否会做销售。我在测试数据上有这些指标。
📷
现在，当我检查月份的May_2020时，我预测的所有引线都是1(概率>=0.5)，并与实际销售进行比较，我得到了22%的转换率。这意味着，只有22%的所有预测与1铅成为销售。你认为如何？
这是因为精度低造成的吗？精度与转换速率相似，或者这只是运气，或者是精度意味着转换速率。
知道如何减少78%的大误差吗？
浏览 0提问于2020-08-18得票数 1
我在预测命名实体识别集时遇到了一些问题。在我训练和测试之后一切都很好。现在我想测试字符串之类的原始数据。
我试着用
model.predict(['Elon musk is good guy , he owns spacex, tesla.'])
但它会让人发牢骚，
UnimplementedError: Cast string to float is not supported
[[node functional_29/Cast (defined at <ipython-input-210-e13dae4a124d>:1) ]] [Op:__infer
浏览 2提问于2020-08-28得票数 1
回答已采纳
1回答
这是Keras模型的最后一层。
model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
我知道，softmax层的输出是一个数组，其概率之和可达1，例如[0.1, 0.4, 0.5]。
我有一个关于把准确性作为度量的问题。
例如，当真正的类是[0, 0, 1]，而预测的概率是[0.1, 0.4, 0.5]时，即使0.5是最大的概率，
浏览 3提问于2020-07-25得票数 4
回答已采纳
1回答
我面临着二进制分类问题。我正在使用一些机器学习模型和Python 3，我注意到有些模型在给定的类上比其他类表现得更好。我想把它们结合起来，以提高我的准确性和精确度。我知道一种在回归问题中这样做的方法，比如加权平均预测。但我不知道这在分类问题上是否合理。而且，你必须知道一个更好的方法。
下面是我的算法，它帮助我识别那些特别难以预测的标签：
"""
each value is in {0, 1}
ytrue : real values
ypred : predicted values
"""
def errorIdentifier(ytrue, yp
浏览 0提问于2019-05-29得票数 0
回答已采纳
我正在问一个后续的问题，这是我以前在后提出的.我只在Python learn中使用默认设置。似乎优化是在AUC-ROC，但我更感兴趣的是优化精确召回。以下是我的密码。
# Get ROC
y_score = classifierUsed2.decision_function(X_test)
false_positive_rate, true_positive_rate, thresholds = roc_curve(y_test, y_score)
roc_auc = auc(false_positive_rate, true_positive_rate)
print 'AUC-&#
浏览 2提问于2016-02-28得票数 6
1回答
我正在处理与保险索赔相关的数据集，将新获得的客户分类为索赔或非索赔。
培训集的基本问题是索赔和非索赔配置极不平衡，索赔额仅占培训集的0.26%。此外，大多数索赔主要集中在最后几年(数据按日期分类)。
应用Logistic回归，甚至随机森林，对70%的数据进行训练，检验结果远低于满意。
我一直在看其他的模特，我偶然发现了这篇博客文章。引起我注意的一句话是：
在本文中，两类数据集分类器的最佳分类器为avNNet_t，分类准确率为83.0%。
尽管没有真正澄清为什么会这样。有人能帮我打开这个“黑匣子”吗？哪种模型真正有效(在上面描述的情况下)，以及为什么？
浏览 0提问于2016-06-10得票数 3
1回答
如何计算LSTM角的预测误差
、、、、
我有一个LSTM，我使用python构建并在keras中运行它。我用这个模型来预测未来的n点对一个时间序列的预测问题。
当我使用像ARIMA这样的方法来进行预测时，我能够为我的预测生成预测误差，因为模型是适合的，例如使用AIC最小化MLE。
是否有一种目前在keras中支持的方法可以为我的回归预测生成预测错误？如果没有，我有办法自己计算吗？
浏览 0提问于2018-12-16得票数 1
回答已采纳
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。目前，精度为53%，精度为19%，列描述为:- Age AMV Met Clo Dwpt plane Rad-temp AirTemp MeanRad-temp Velocity ATurb VaporPressure Humidity PMV TaOutdoor RhOutdoor
mean 308.637202 0.100735 1.066003 0.778492 13.621447 0.217785 23.178861
浏览 1提问于2022-12-03得票数 0
2回答
我运行了一个python程序，它调用sklearn.metrics的方法来计算精度和F1分数。
/xxx/py2-scikit-learn/0.15.2-comp6/lib/python2.6/site-packages/sklearn/metr\
ics/metrics.py:1771: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples.
'precision', 'predicted', average, wa
浏览 4提问于2016-01-13得票数 48
1回答
分类器与精度
、、、、
我想问你如何使用分类器和确定模型的准确性。我有我的数据集，我已经清理了文本(删除断点，标点符号，删除空行，.)。然后我把它分成火车和测试。由于我想确定一个电子邮件是否是垃圾邮件，我已经使用了常见的分类器，即朴素贝叶斯，支持向量机和逻辑回归。在这里，我只是包括我的火车和测试数据集:没有其他！我正在使用Python运行此分析。我的问题是:应该足够了还是应该实现新的算法？
如果你能给我一个例子，说明一个已经存在的算法是如何被改进的，那也是很好的。
我阅读了大量关于文本分类准确性的文献，在所有的论文中，作者使用支持向量机、Na ve Bayes、logistic回归等方法对垃圾邮件进行分类。但我不知道
浏览 0提问于2020-08-14得票数 0
回答已采纳
我的模型旨在预测1个特定电台在给定的一天、给定的时间收听广播的时间。我的训练集的每一行代表一年中每一天的1小时块，并且有不到30,000条记录，可以追溯到3.5年前。我的功能包括参数信息，如日期、站点、星期几、开始时间以及天气信息。 最近，我添加了两个二进制特征，我希望这会有助于模型的准确性，但它们并没有。它们是电台是否在给定的时间举办比赛(比赛有助于吸引更多的观众)，以及电台是否播放圣诞音乐(X-Mas音乐也会吸引观众)。当我对我的所有特征与我的因变量(收听小时数)进行皮尔逊相关时，这两个特征位于相关性最强的4个特征中( X-Mas音乐为0.16，比赛为0.20 )，其中相关性最高的特征为
浏览 34提问于2020-04-20得票数 0
2回答
在机器学习模型中，我使用了RMSLE，并通过梯度boost回归得到了RMSLE = 0.123657的值。
如何用R或python的准确性来解释这个值？
浏览 1提问于2019-01-15得票数 0
1回答
我是一名计算机科学专业的学生，我必须选择我未来研究工作的主题。我真的很想用计算机解决化学(也许是生物学)的一些科学问题。另外，我对机器学习领域有很大的兴趣。
我在网上冲浪已经有一段时间了，并找到了一些关于这类问题的特别参考资料。但不幸的是，这些东西对我来说还不够。
因此，我感兴趣的是社区推荐的特定资源，这些资源展示了ML技术在解决化学问题方面的应用--例如，一篇期刊文章或一本好书，描述了化学中典型的(或新的)问题“在硅中”得到解决。
浏览 1提问于2011-12-09得票数 3
1回答
Google计算引擎与机器学习
、、、、
有人知道使用与Google引擎中的虚拟机实例相比有什么不同吗？
我在Python3中使用Keras，感觉GML更受限制(使用python2.7，旧版本的TensorFlow，必须遵循给定的结构.)。我想它们是在GCE中的VM上使用GML的好处，但是我想知道它们是什么。
浏览 2提问于2017-06-01得票数 15
2回答
分类链
、
我的问题是如何创建分类链
我正在处理的问题是一个多类问题，在这里我必须分配7个可能的类中的一个。
为此，我开始训练一个基于随机森林的分类器，结果没有那么好。人们对95%+的期望是精确的，而我当时只有79岁。
所以我开始为每堂课训练7个不同的分类器。当我参加第一班时，为了训练的目的，我把其他班级的班级标签转换为“其他”。
通过这个过程，单个分类器的性能注册了~ 95%+。
然后我想，可以用一种最精确的模型首先尝试分类的方式来链接分类器(以瀑布的方式)，其次是最精确的在行上进行预测，第三种是最精确的，等等。培训过程仍然相同(与7个分类器相同)。
具体来说，我们假设分类器1在100行上进行预测，发现
浏览 0提问于2015-10-29得票数 6
我有一个测试数据集和训练数据集如下。我提供了样本数据和最小记录，但我的数据有1000多‘S的记录。在这里，如果您看到E是我的目标变量，我需要使用算法进行预测。它只有四种类别，如1，2，3，4，它只能接受这些值中的任何一个。
培训数据集：
A B C D E
1 20 30 1 1
2 22 12 33 2
3 45 65 77 3
12 43 55 65 4
11 25 30 1 1
22 23 19 31 2
31 41 11 70 3
1
浏览 0提问于2016-04-21得票数 4
训练完成后，我在我的网络上做了预测，我想计算我的模型的“精度”和“召回率”，然后将其发送到"tensorboard“的日志文件中，以显示曲线图。在训练时，我将"tensorboard“函数作为回调发送给keras。但是训练结束后，我不知道如何将更多的数据添加到tensorboard中进行绘制。我使用keras进行编码，使用tensorflow作为其后端。
浏览 5提问于2018-08-24得票数 1
我正在写一个核磁共振图像分类的CNN。X的形状是(982,192,192,160)，这是一个二进制分类任务。结果并不比我的预期高或低，但看起来程序并没有在学习。我是编程新手，这是我第一次编写神经网络，所以我迷失在问题可能出现的地方。我的数据不平衡。在寻找解决方案时，我偶然遇到了一个有类似问题的人，他/她将输入更改为更高的值，我也尝试了，但没有改变任何东西(首先我在第一层使用32，在第二层使用64，在第三层使用128 )。我的代码如下： Y = labels_df['label_int'].values
X = images
print(len(X), len(Y))
im
浏览 22提问于2019-12-05得票数 0
回答已采纳
1回答
我一直读到朴素的贝叶斯比许多其他的ML算法需要更少的特性。但是，使用朴素的Bayes模型，获得好的结果(90%的准确性)所需要的最小特性是多少呢？我知道这个问题没有客观的答案--这取决于你的确切特征，尤其是你想学什么--但我正在寻找一个关于这个问题的大致数字答案。
我之所以问这个问题，是因为我有一个拥有大约280个特性的数据集，并且想了解这是否太少，不能与朴素的贝叶斯一起使用。(我尝试在我的数据集上运行朴素贝叶斯，虽然我获得了86%的准确率，但我不能相信这个数字，因为我的数据是不平衡的，我相信这可能是高精度的原因。我目前正试图解决这个问题。)
如果是相关的话:我正在研究的确切问题是为维基百科文
浏览 0提问于2020-12-28得票数 1
林coverType数据集包含以下属性，这些属性分布在许多布尔功能中。
Wilderness_Area (4 binary columns) / qualitative / 0 (absence) or 1 (presence) / Wilderness area designation
Soil_Type (40 binary columns) / qualitative / 0 (absence) or 1 (presence) / Soil Type designation
在不进行属性重构的情况下，用RBF核进行SVC分类器的训练需要很长的时间.我们能否合并所有40个二进制列，以形成
浏览 0提问于2017-03-11得票数 1
1回答
如果你的召回率是零，而你的精确性没有定义的话，是否有可能有这样的精确召回曲线？我该怎么解释呢？
📷
我已经检查了所有的分数是正确的，我仍然不明白曲线的外观。
浏览 0提问于2021-12-02得票数 1
回答已采纳
1回答
我想知道skip-gram模型的window_size如何影响词嵌入时预测相似词的准确性。在什么情况下，准确率会下降和上升。
谢谢。
浏览 4提问于2020-03-11得票数 0
2回答
我试图与一个明显的目标，以找到一个最合适的LR模型。模型，可以实现最低的RSS。
我有很多自变量，所以我决定向后选择(我们从模型中的所有变量开始，并删除具有最大p值的变量--也就是统计意义最小的变量。新的(p --variable 1)−模型拟合，去掉了p值最大的变量.此过程继续进行，直到达到停止规则为止。)以适应这个模型。
这是我的模型的预览
📷
在拟合我的模型之后，我开始消除所有具有高p值的变量。
📷
在这两种情况下，调整的R平方和RSE几乎是相同的，表明几乎没有改善。
我应该如何进一步处理它？？
浏览 0提问于2020-01-07得票数 1
我在努力优化我的火把模型。我理解量化的基本原理(将32位浮点数更改为16位或8位中的其他数据类型)，但我不知道这两种方法有何不同或选择了什么。
我看到AMP (自动混合精度) 和规则量化。
有谁能解释一下不同之处和申请吗？谢谢。
浏览 4提问于2021-12-28得票数 2
回答已采纳
在编译和训练我的自定义模型之后，我保存了它，并得到了两个文件，如.bin和.json。此外，我将该自定义模型加载到另一个页面上，在该页面中，我提供图像作为输入，用于培训该模型，并根据加载的自定义模型获得对这些图像的预测。
因为它对某些图像很好，但是对其他图像返回错误的预测。
这是我的密码：
$("#predict-button").click(async function(){
let image= $('#selected-image').get(0);
let image1 = $('#selected
浏览 1提问于2019-02-28得票数 1
回答已采纳
我发现有很多机器学习职位空缺与技能要求，python，R，keras，tensorflow，py手电筒，火花，etc.which是完全好和合理的，但是为什么很多招聘人员包括C++，比如C++在ML研究中的使用，或者甚至创建ML管道？
如果我擅长其他的ML技能，我应该知道多少C++？
浏览 0提问于2019-08-05得票数 4
回答已采纳
1回答
我使用两个lmdb输入来识别眼睛、鼻尖和面部的嘴巴区域。数据lmdb为维度Nx3xHxW，标签lmdb为维Nx1xH/4xW/4.，标签图像是通过在初始化为所有0的opencv Mat上使用数字1-4掩蔽区域创建的(因此总共有5个标签，0为背景标签)。我将标签图像缩小到相应图像的1/4宽度和高度，因为我的网络中有两个池层。这种降尺度保证了标签图像维数将与最后一个卷积层的输出相匹配。
我的train_val.prototxt：
name: "facial_keypoints"
layer {
name: "images"
type: "Data"
浏览 4提问于2015-12-01得票数 1
回答已采纳
2回答
我希望能够在我的训练中更广泛地使用自动混合精度，但我发现它太不稳定，常常以NaNs结尾。这里的人在训练中有什么一般的技巧来提高稳定性吗？
我看到了以下的一般提示：
绘制梯度并将不稳定层强制到fp32
优化器中的碰撞重量衰减
优化器中的凸点感应器
添加/尝试不同的规范化层
fp32的力损失计算
浏览 0提问于2022-12-02得票数 2
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
我想知道在整个培训过程中，培训效果是如何变化的。有没有办法通过Vertex AI automl服务访问它？
浏览 13提问于2021-11-30得票数 0
1回答
我正试图预测客户端引发的特定服务票证是否需要更改代码。
我有训练数据。
我有大约17k个有问题描述和标签的数据点(Y表示所需的代码更改，N表示没有代码更改)
我做了TF-以色列国防军，它给了我27k的特征。所以我试着用这个17kx27k矩阵来为RandomForestClassifier (sklearn python)提供一个矩阵。
我在测试集上得到的分数很低，而训练的准确性很高。
列车精度：89%测试装置精度：21%
有人能提出解决办法吗？
我现在使用的是这个模型：
sklearn.RandomForestClassifier(n_jobs=3,n_estimators=100,class
浏览 0提问于2016-03-07得票数 0
1回答
任务
假设神经网络存在以下问题。给定一个实数x，如果x等于a(即7.123456789)，则输出1，否则输出0。
数据集
对于这个问题，我们构造了一个2000个样本的数据集，其中1000个样本等于a，另外1000个样本不同于a，随机抽样“足够远”和“足够远”，其中“足够远”由间隙(< 1)和稀疏(> 1)两个参数决定。每个样本都来自(a -间隙*稀疏，a-间隙)U (a +间隙，a+间隙*稀疏性)。换句话说，差距决定了重要小数的数目，稀疏决定了x的方差。
模型
具有ReLU激活的单个隐层的前馈网络(hidden_dim神经元)。具有标准参数的Adam优化器，1e-4学习率，2000
浏览 1提问于2022-05-12得票数 0
1回答
数字图像不同预测
、、
上面的8位被预测为2，而下面的8位被正确地预测为8。
我不确定是什么使这两幅非常相似的图像在同一个模型下被不同的预测。
我的模型是使用包含28x28个样本的MNIST训练数据集的KNeighborsClassifier(n_neighbors=30)构建的。
浏览 6提问于2021-08-22得票数 0
回答已采纳
1回答
了解和跟踪对象检测中的度量
、、、、
如果我在自己的数据集上进行一些培训或评估，我会对度量有一些疑问。我仍然是这个话题的新手，只是尝试了tensorflow和googles对象检测api和tensorboard.
所以我做了所有这些事情，用对象检测api来启动和运行，对一些图像进行训练，并在其他图像上进行一些评估。
因此，我决定使用加权PASCAL度量集进行评估:在张量板中，我为每个类和mAP获得了一些mAP，这是可以看到的，现在出现了问题。
IoU给出了地面真相和预测盒重叠程度的值，并测量了我的目标检测器的精度。
第一个问题：如果没有探测到具有地面真相的物体，对IoU是否有影响？
第二个问题:如果一个地面真实物体被预测为假否定，
浏览 0提问于2018-01-26得票数 2
因此，精度计算为tp/(tp+fp)
但这似乎不是评估模型的好方法，因为下面这两种方法都会给出1的结果？
二元分类
[0,0,0,0,0,0,0,0,1] or [0,1,1,0,1,1,1,0,1]
我是不是漏掉了什么？或者，是否有一个更好的二元分类标准，可以限制假阳性的数量，同时也产生最多的真阳性？
我猜你要告诉我F1？
浏览 0提问于2021-12-04得票数 1
回答已采纳
我学到，在训练CNN时调整不平衡的数据会影响模型的表现，这让我思考“在ML中怎么样？”所以我自己做了一些测试，您可以在这里查看-> https://haneulkim.medium.com/handling-imbalanced-class-in-machine-learning-classifiers-1b5c528f427f
最后我得出结论，当我们用随机抽样来平衡我们的数据时，我们的精度和准确性就会下降。我想知道为什么会这样..。
如果它需要我做更多的研究，链接到资源将是非常感谢的。谢谢!
浏览 0提问于2021-03-15得票数 1
回答已采纳
我在二进制数据集上使用交叉验证。
好的，现在当我输入以下几行时：
clf = cross_val_score(cl_mnb,transcriptsVectorized, y=Labels,cv=6,scoring = 'precision')
print(clf.round(2))
我确实得到了精确的分数，但只针对负数；我希望有正数的精确度。
当我使用sklearn.metrics.SCORERS查找可用的指标时，我找不到该选项，它是否存在？
浏览 17提问于2020-02-25得票数 0
1回答
我一直在寻找这个问题，但找不到答案。在python中是否可以使用分类算法实现多个可能的输出？
我一直在研究一个农业作物数据库，该模型将预测哪些作物适合土地使用，比如pH、土壤类型、温湿度--在这种情况下，不止一种作物可以具有相似的pH和土壤类型。所以，我希望我的模型能够返回所有可能的结果。
那么，你能告诉我是否可能吗？如果是的话，我怎么得到输出？
Temp Humidity Moisture Stype suitable-crop Ph
0 26 52 38 Sandy Maize Slightly acidic
浏览 3提问于2020-09-24得票数 1
回答已采纳
1回答
我正在使用sklearn在python中执行多标签分类。这是分类报告
precision recall f1-score support
0 0.77 0.67 0.71 7536
1 0.76 0.77 0.76 6811
2 0.84 0.84 0.84 5948
3 0.78 0.75 0.77 4006
4
浏览 0提问于2019-06-15得票数 0
我试图将一个JavaScript文件发送给，但它发送了以下错误：
Error compiling input:
Line 175: Parse error. getters are not supported in older versions of JavaScript. If you are targeting newer versions of JavaScript, set the appropriate language_in option.
Line 193: Parse error. getters are not supported in older versions of
浏览 5提问于2016-04-15得票数 1
回答已采纳
Kaggle有一个关于泰坦尼克号的介绍性数据科学问题，根据他/她的一些信息，他们的目标是预测乘客的生存机会。(性别、年龄、舱位等)。我使用Scikit Learn在Python中实现了一个简单的logistic回归模型，并且我特别探索了添加“年龄”变量的更高程度的因素。我按照Scikit学习网站上的说明使用了PolynomialFeatures：
import pandas as pd
from sklearn import linear_model
import numpy as np
from sklearn import preprocessing
from sklearn.prepro
浏览 3提问于2016-05-18得票数 1
场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。
在几百个历次之后，我对验证集的准确率最高达到92.73 %。
我的问题是：
验证损失略有上升，因为我训练更多。
当验证损失增加时，验证的准确性也会上升。
示例：
一个时代给了我0.295的损失，验证的准确率为90.5%。我的最佳验证时间精度为92.73%，验证损失为0.33。
问题：
为什么我的验证精度提高，而我的验证损失却在上升？
我应该使用与cross_entropy不同的损失度量吗？
浏览 0提问于2020-01-23得票数 3
回答已采纳
2回答
增加阈值会提高精度吗？
、、、、
📷
这里的精度在阈值0.85 >精度在阈值0.90。难道不是应该相反吗？增加阈值会减少假阳性，并且精度会比以前更高？
浏览 0提问于2020-04-28得票数 3
回答已采纳
我的神经网络在火把上的训练越来越快了。
我正在训练一个已知的数据集，该数据集分裂成训练和验证。我在训练期间整理数据，并在飞行中进行数据增强。
我有这些结果：
训练精度从80%开始并提高
列车损耗减少并保持稳定
验证精度从30%开始，但增长缓慢
验证损失增加
我要展示以下图表：
如何解释验证损失增加，验证精度increases?How在验证集和训练集之间有如此大的差异? 90%和40%?。
更新：
我平衡了数据集。这是二进制分类。现在它有1700个来自1级的例子，1200个来自2级的例子，总共有600个用于验证，2300个用于培训。我仍然看到类似的行为：
浏览 4提问于2020-04-21得票数 0
回答已采纳
2回答
我对机器学习完全陌生，我正在尝试使用scikit--学着用一个输入变量(X)和一个二进制结果(Y)建立一个简单的logistic回归模型。我的数据包括325个样本，其中39个成功，286个失败。数据分成训练和测试组(30%)。
我的目标实际上是根据我的数据获得任何给定X的预测成功概率，而不是分类预测本身。也就是说，我将把预测的概率用于我正在构建的单独的模型中，而不会使用logistic回归作为分类器。因此，重要的是，预测的概率实际上符合数据。
然而，我很难理解我的模型是否适合这些数据，或者计算出的概率是否真的准确。
我得到了以下指标：
分类精度: metrics.accuracy_scor
浏览 5提问于2017-09-24得票数 1
回答已采纳
我对视频处理相对来说是个新手。我必须做一个关于加权预测的项目。然而，互联网上还没有足够的文档来说明什么是加权预测以及加权预测是如何进行的。如果有人能在这方面帮助我或指出相关的来源，那就太好了。
浏览 15提问于2016-09-16得票数 2
我在自己的数据集中使用示例。
接下来，我要对测试数据进行分类，并确定模型的准确性。
TFLearn API提供了model.predict()和model.evaluate()方法。
model.predict()给出了测试数据集中每幅图像的预测结果。如何利用这个结果来获得精确性？
model.evaluate()给出了测试数据的准确性评分。是否有一种方法来获得每批的准确性以及？
浏览 3提问于2016-09-02得票数 4
1回答
当我创建一个AWS预测导出时，它会在S3桶中创建多个小型CSV。对于我所预测的每一个item_id，似乎都有一个。
我的问题是，是否有一个设置，我可以更改，以导出所有这些信息为1个CSV文件？
谢谢你，我对AWS的预测很陌生:)
浏览 2提问于2021-12-21得票数 0
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
