我在测试我的模型时遇到了问题，当我训练我的模型时，它工作得很好。然而，当我尝试将测试数据放入模型中时，它给出了大小不匹配的错误，这是我所期望的。我把我的数据分成了70%的训练和30%的测试。numpy()[:100] , ypred_test.detach().numpy()[:100] , "red")pl
浏览 20提问于2020-12-10得票数 0
我已经尽我所能地检查了堆栈溢出和Tensorflow API关于Estimator.evaluate()的部分，但是没有找到任何解决这个问题的方法。我是一个用Tensorflow从事研究项目的学生，我一直在用估价()跟踪准确性，并将返回的值存储在文本文件中。我的建议教授(他与ML/NNs合作，但不是具体的python和Tensorflow)想知道这个精确值是特定于它现在看到的一批数据，还是从一开始到那一刻整个网络的准确性。请有人澄清，“准确性
浏览 0提问于2019-03-14得票数 2
3回答
在下图中，Y轴=>交叉验证分数红线用于训练数据。收集更多的数据不太可能提高泛化性能，而且我们所处的区域很可能不适合这些数据。因此，用容量更大的模型进行试验是有意义的。我不太明白黑体字的意思，以及它是如何发生的。
感谢你的帮助。
浏览 0提问于2016-01-12得票数 11
回答已采纳
1回答
我选择用测试数据填充我的.net模型(poco)的工具。我实际上是在模拟wcf服务，需要用测试数据填充数据集对象。发现了大量的测试数据生成工具，但大多数与DB测试数据生成有关，不适合创建.net对象。
它们似乎都提供了相当相似的功能。我对那些工具的反馈很感兴趣。
浏览 2提问于2010-05-14得票数 31
回答已采纳
1回答
我使用weka来做一些文本挖掘，我有点困惑，所以我在这里想问，我如何才能(一组在某种程度上被归类为:注释、工作状态、不合格、警告)来预测一个新的注释是否属于某个特定的类，所有的注释(9551) --我已经用过滤器“字符串向量”(一个标记向量)做了预处理，然后我用简单的方法获得了一个集群的数量。所以问题是:如果一个用户发布了一个新的评论，如果它属于评论类别，我能用这些数据来预测吗？对不起，如果我的问题有点混乱，我也是。谢谢
浏览 2提问于2015-03-16得票数 0
回答已采纳
基本上，我是数据科学领域的新手，和I'm getting a little bit of confusion about overfitting and underfitting.过度拟合和不拟合完全取决于数据集的数量或数据的行为吗？
有谁能解释一下过度拟合和不合适的术语，以及如何处理这类问题？
浏览 0提问于2020-09-16得票数 -1
回答已采纳
1回答
我有一些数据，这是使用100%的容量，所以数字在0到100之间，每天有5个小时这些容量被记录下来。所以我有一个5天的矩阵，包含了100%中的5%。所以我怀疑我在某种程度上不正确地输入或映射我的数据。
浏览 2提问于2018-07-13得票数 7
回答已采纳
我已经使用python创建了一个文本分类模型。我有一个CountVectorizer，它产生了一个2034行4063列(唯一的单词)的文档术语矩阵。我保存了用于新测试数据的模型。我的新测试数据但问题是，我将上面的测试数据标记
浏览 0提问于2015-05-17得票数 2
1回答
在遗传编程的帮助下，我正在构建一个回归模型。测试数据是从一组24个数据点中随机抽取的，没有替换。该模型是使用遗传编程技术建立的，因此当我最小化由GP树中的节点数量正则化的训练RMSE时，特征的数量、建模框架等都会发生变化。
<e
浏览 1提问于2012-07-16得票数 3
1回答
我有一个由60个数据点组成的时间序列数据集。我把数据集分成两部分:培训(前70%的数据)和测试集(最后30%的数据)。利用Matlab的fitrsvm函数，在训练数据集上建立了支持向量回归模型，并对测试数据集中的时间序列数据进行了预测。我的svr模型非常接近训练数据集。然而，它甚至没有尝试泛化测试数据集，它只是严重地不适合于数据，即给出一条直线，甚至不经过测试数据集上的</
浏览 1提问于2019-01-13得票数 1
我想知道，在数据预处理的特性缩放部分，为什么使用来自训练集的fit值来标准化测试集中的数据？为什么不分别为测试集重新计算fit值，然后用于转换测试集？下面是我用作参考的代码：sc = StandardScaler()
x_train[:, 3:] =
浏览 0提问于2020-05-12得票数 0
回答已采纳
我正在用Python构建我的模型，以便将客户划分为买方/非买方类别。对于这个问题，我使用了多种算法，然后在评估之后，从所有问题中选出最佳算法。python中的sklearn包为我的所有预测记录提供了一个FPR、TPR和阈值数组。
在分析FPR值、TPR值和阈值时，我对如何解释阈值感到困惑。我得到每个记录的阈值。例如:我的测试数据集由100条记录组成，我得到了TPR、FPR和阈值大小为100的</em
浏览 0提问于2018-09-20得票数 2
我正在使用Python中的scikit-learn库的KNeighborsClassifier算法。我遵循基本指令，例如将我的数据和标签分割成训练和测试数据，然后根据训练数据训练我的模型。现在，我试图预测测试数据的准确性，但得到了一个错误。label_train)我
浏览 3提问于2016-10-01得票数 1
回答已采纳
我已经在Windows中构建了一个预测模型，以使用python 3.6.1训练数据集。我使用pickle将列车模型保存为Pickle文件我已经在Windows上获得了成功的结果。现在，我想将训练酸菜文件和Python脚本(使用训练酸菜文件使用测试数据预测模型)移动到具有与windows.But相似版本的python<
浏览 1提问于2018-04-21得票数 1
在我的数据中，随机森林的输入大小是2052，数据大小只有300。在我的例子中，数据大小小于输入大小。但是，随机森林模型的准确率在90%以上。我将训练/测试数据除以80/20，而过度拟合从未发生过。你知道，即使数据大小小于输入大小，随机森林模型如何取得良好的效果？
是的，我的数据是平衡的。F1
浏览 0提问于2021-09-15得票数 1
我有250张人脸图像，我将用这些图像来训练模型。为了方便起见，我要做的是挑选前10个图像，并使用leave-one-out交叉验证来训练模型，以便每个图像都有机会成为测试图像。我所理解的是，在这种情况下，我的训练数据集的大小是9，测试数据集的大小是1。之后，我将获得下10个图像，然后使用它们来训练模型。在这种情况下，我的训练数据集的大小将是19，
浏览 2提问于2014-07-31得票数 1
我正在尝试对一系列像这样的图像进行分类，每一类图像都是从相似的细胞结构中获取的：为此，我在Keras中构建了一个简单的网络，结构如下：未改变的网络在MNIST分类上实现了非常高的准确率(>90%)，但在这些类型的图像上几乎从未超过5%。我的下一个方法是尝试堆叠式深度自动编码器。
浏览 3提问于2016-04-17得票数 6
我在python中创建了一个简单的Keras深度学习模型。训练中变量的总no为195，而未见的测试数据为181，所有输入字段都是分类的(由一个热编码转换)。由于看不见的测试数据有一些不同的类别，这就是为什么在一个热编码字段与train不匹配的原因。
因此，在对未见测试数据进行预测时，模型给出了以下误差。有什么出路吗？
浏览 0提问于2019-06-21得票数 1
这是我的代码：from sklearn.metrics import accuracy_score#print accuracy
然而，我一直收到这样的错误Model n_features is 118686 and input n_features is 34169
我对Pyth
浏览 0提问于2018-10-23得票数 3
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
