1回答
我试图通过输入温度、土壤湿度、pH和平均降雨量来预测作物的名称。而且准确率总是很高，即每次都在88%到94%之间。但是预测后的最终结果总是错误的。count==0):else:
print('The predicted crop is %s'%c) 我得到的输出是- T
浏览 29提问于2020-01-31得票数 0
回答已采纳
1回答
首先，Recall=\frac{TP}{TP+FN}一种宣称每一张记录都具有高召回率但精度低的模型。据我所知，如果预测的阳性值很高，精度就会很低。但怎样才能回忆起高，如果预测积极是高的。
一种为训练集中的一个阳性记录指定一个阳性类的模型具有很高</
浏览 0提问于2021-07-02得票数 0
回答已采纳
1回答
我正在做一个练习问题，预测一个二元结果。我绘制了一条ROC曲线，找到了未来预测观测的最佳阈值百分比为1，我发现这个阈值总是与我原始数据中等于1的观测百分比相匹配。对此有什么概念上的解释吗？
浏览 0提问于2019-08-11得票数 1
回答已采纳
我熟悉术语，高偏差和高方差，以及它们对模型的影响。但是最近我在一次访谈中被问到机器学习模型中术语方差的含义？我想知道方差在ML模型中的确切含义，以及它是如何在您的模型中被引入的？如果有人能用一个例子来解释这一点，我会非常感激的。
浏览 0提问于2018-08-23得票数 22
回答已采纳
1回答
在数据集不平衡的情况下，我试图了解AUC是一个比分类精度更好的度量标准。假设dataset包含3个类的1000个示例，如下所示：显然，这些数据是不平衡的一个天真的策略是预测属于第一类的每一个点。b = [[0.7, 0.1
浏览 2提问于2020-06-19得票数 1
回答已采纳
最近，我开始学习如何使用sklearn，并且刚刚看到了这个奇怪的结果。
我使用digits数据集在sklearn中尝试不同的模型和估计方法。当我在数据上测试一个支持向量机模型时，我发现在sklearn中有两个不同的类用于支持向量机分类：SVC和LinearSVC，前者使用一对一的方法，另一个使用一个对rest的方法。我不知道这会对结果产生什么影响，所以我两次都试了。我做了蒙特卡洛式的估计，我运行了两个模型500次，每次</em
浏览 0提问于2015-09-02得票数 25
1回答
我知道机器学习中的精确度和召回率之间的区别。一种是对假阳性进行优化，另一种是对假阴性进行优化。在统计学中，它被称为对类型I或类型II错误的优化。然而，我很困惑在什么情况下可以得到完全相反的精确度和召回率？比如精度=1和Recall=0？=1，这意味着没有FP，所有预测的标签都是TP。如果已经有一些TP被预测，实际上根据Precision所有预测的TP都是TP，那么
浏览 3提问于2017-06-05得票数 1
1回答
随机森林回归的过拟合结果
、、、、
我有一个图像，其中包含每个像素4个不同的值。我使用了RF，以看我是否可以根据每个像素的其他3个值来预测第四个值。为此，我使用了python和scikit学习。首先，我拟合了这个模型，在验证之后，我用它来预测这个图像。我非常高兴和害怕看到我的模型得到了很高的准确性: 99.95%！但是，当我看到结果的图像时，它绝对不是99.95%的准确性：📷📷
(我做出了最大和最明显<em
浏览 0提问于2020-06-21得票数 2
回答已采纳
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。inference_predict_function_223088]
predict_functiontag2index，由训练集构建的词典我试着转换并使用这些，但是所有的预测显示为0，word_index =
浏览 2提问于2020-08-28得票数 1
回答已采纳
我正在尝试评估遵循这个的联邦学习模型。======================] - 1s 2ms/step - loss: 5193926.5000 - sparse_categorical_accuracy: 0.4576
我看到精度提高了，但损失很大。另外，我怎样才能看到每一轮的火车结果？
浏览 13提问于2022-03-30得票数 0
回答已采纳
将输入图像正则化为(0，1)，输出为具有伪高斯分布的float32值(-∞，∞)。这个问题是由于激活函数选择错误造成的吗？
model.compile(lo
浏览 5提问于2020-05-04得票数 1
回答已采纳
1回答
我有一个简单的lstm模型model.add(LSTM(100, activation='relu', input_shape=(n_input,n_features)))model.compile(optimizer='adam', loss='mse')我对相同的数据进行训练和测试，但每次都得到不同的预测如果
浏览 0提问于2022-03-12得票数 1
回答已采纳
3回答
在下面两个场景中，我有一个关于要选择多少k值(k=1、k=5或k=50)的问题。我最初认为选择k=5将是k的正确选择，因为它将减少错误总数。我想听听专家的意见，他们认为在这两种情况下，从三个选项( k=1、k=5或k=50 )中选择最好的k。📷
浏览 0提问于2021-10-10得票数 -1
1回答
清晰可分数据的概率级精度
、、、
我写了一个我认为是相当简单的SVM -分类器SVM=支持向量机。用具有不同参数的正态分布数据“测试”它，分类器的准确率为50%。怎么啦？这是代码，结果应该是可复制的：features2 = normrnd(50,5,[100,5]);
features = [features1
浏览 4提问于2017-09-13得票数 2
回答已采纳
2回答
我正在处理一个不平衡的数据集，和往常一样，它很容易获得一个高精度，但较少频繁类的召回率非常低。我想对较少上课次数的假阴性进行改进。针对学习随机森林的具体性，一种可能的策略是在较少频繁的类中设置一个惩罚错误的class_weight，并使用一个学习评分函数作为ROC。作为一个极端的例子，如果我设置：
class_weight = {0: 0.0000001, 1: 0.999999
浏览 0提问于2018-01-05得票数 3
这也许是个愚蠢的问题，但：我认为损失仅在训练中使用，当然，这取决于模型在预测中的优劣，而不取决于对样本总数的正确预测量的准确性。EDIT我的问题是因为我最近训练了一个binary_crossentropy损失的模型，来自model.evaluate()的准确率为
浏览 1提问于2018-09-13得票数 0
回答已采纳
我想知道TensorFlow/Keras中的精度度量如何计算给定的输入是否与预期的预测匹配，或者换句话说，它如何确定网络的预测数量。但是，如果是这样，那么请考虑示例2:我知道，这样的输出在softmax中是不可能的，这将是这里的默认选择。但其他激活功能也是可能的。现在这里
浏览 3提问于2020-05-02得票数 3
回答已采纳
我试图使用Keras来评估多类问题上机器学习模型的性能。地面真理和模型的预测都在标签上。基本的真理标签是yt = [[1], [2], [3], [4]]，预测是yp = [[0], [2], [3], [4]]。然后，使用下面的代码来计算精确度是很简单的：accuracy = m(yt, yp).numpy()
这是因为每4个样本中就有3个样本被正确分类然而，也有一些文献(
浏览 6提问于2022-08-23得票数 0
1回答
local/lib/python3.6/dist-packages/sklearn/metrics/classification.py:1437: UndefinedMetricWarning:在没有预测标签的样本中，精度和F分数定义不清，并被设置为0.0。“精度”，“预测”，平均值，warn_for)
我不明白上面的警告。如果精度和F分数定义错误，那么对于某个类，精度应该是0。但是对于所有的
浏览 0提问于2019-06-15得票数 0
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
云直播
腾讯会议活动推荐
腾讯云开发者
