1回答
下面的代码缩放训练集和测试集。由于Col6和Col7不能缩放，因此将它们从原始数据中删除，以缩放训练和测试集： library(tidyverse)
Data_Frame <- data.frame(Col1 = c("A1",index] %>% dplyr::mutate_if(is.numeric, ~scale(.) %>% as.vector) 有效，但会从数据框中
浏览 25提问于2021-07-20得票数 0
fit_transform和transform有什么区别？为什么转换不能直接工作呢？在使用此方法之前，使用适当的参数调用“fit”。
浏览 1提问于2018-08-23得票数 3
回答已采纳
我有一个数值变量(价格)，它在训练和测试数据集中都有一个长尾。我发现，如果删除这个变量在训练和测试数据集中的最高值1%，那么这个变量的直方图和测试数据集看起来基本相同。见下图。📷
我的问题是:我仍然需要使用训练数据(包括特性和标签)对测试数据进行预测(仅使用特性)。在这种情况
浏览 0提问于2018-03-06得票数 5
回答已采纳
2回答
我正在尝试训练一个支持向量机分类器来做预测。当我尝试使用经过训练的模型时，我得到这个错误:测试数据与模型不匹配。我不是这一切发生的原因。这是我的代码dat = data.frame(x = rbind(tmp1, tmp2), y = as.factor
浏览 13提问于2017-12-31得票数 1
日安 我使用插入符号函数中的preProcess()函数来相应地缩放我的训练数据。我还有一个测试数据集，我想用训练集中相同的均值和标准差进行缩放。通过这种方式，我将测试数据视为全新的/看不见的数据，这些数据是根据我基于训练数据观察到的数据<
浏览 40提问于2020-06-24得票数 1
回答已采纳
我对机器学习中缩放特性的概念非常陌生，我认为，当一个特性范围相对于其他特性非常高时，缩放将是有用的。但是，如果我选择缩放培训数据，那么：
我能不能缩小一个高范围的功能？如果我对列车数据的整个X进行缩放，那么是否也需要对列车数据和整个测试数据的y进行缩放？
浏览 4提问于2017-09-16得票数 6
回答已采纳
我有一个数据帧，它有4个数值列，并且我试图在<code>D1</code>中使用<code>D0</code>仅缩放一列。我使用下面的代码来缩放和转换我的专栏。<code>A2</code><code
浏览 19提问于2020-11-20得票数 0
回答已采纳
1回答
我有一个大小为NxD的训练数据集和一个大小为AxD的测试数据集。行是数据点，列是特性。
现在，我想将每个特征(列)转换为- 1，1。此外，测试集中的特征的缩放应该使用训练集上估计的参数进行。例如，如果我通过减去均值和除以标准偏差来进行标准化，我就会计算训练集上的均值和
浏览 1提问于2016-04-25得票数 0
回答已采纳
最近邻居和我收到此错误: ValueError:查询数据维度必须与训练数据维度匹配。# Part 1 - Data Preprocessing
import numpy as np
import
浏览 0提问于2020-05-14得票数 1
1回答
我正在使用比利时交通标志数据集在MATLAB中编写交通标志识别代码。可以找到此数据集。然后，我使用训练数据集中的所有标记来训练多类支持向量机。在训练集中有62类别(即不同类型<em
浏览 2提问于2018-05-16得票数 0
回答已采纳
另外，我有两个python脚本，如下所示：
train.py：用于训练和测试ML模型、负载训练和测试数据集，保存所训练的模型，通过网格搜索找到最佳模型。predict.py：用于加载预先训练的模型和负荷预测数据集，预测模型输出和计算精度.然而，在train.py中，fit是在训练数据集上进行的，使用相同的Min
浏览 4提问于2020-07-01得票数 0
回答已采纳
我在试着预测一个基因变体所属的类别。我的数据帧在我的代码中被称为Genetic。我将我的数据帧分成训练和测试数据集，如下所示：train=sample(54248,27124)Genetictrain=Genetic[train,]问题是我的一个解释变量(它是分类的<
浏览 0提问于2018-11-05得票数 0
1回答
我有一个包含7个特性的数据集。值不太大。我训练scikit-learn的RandomForestRegressor来预测目标变量。R^2的分数原来是0.2左右，但当我第一次使用scitkit-learn的MinMaxScaler对x_train和x_test进行评分时，R^2分数下降到0.11。我听说决策树不受缩放的影响，所以不需要缩放数据。我的问题是，如果树木不受尺度的<
浏览 0提问于2021-06-30得票数 0
在机器学习中，将数据分成训练数据和测试数据。
在交叉验证中，将培训数据分为培训集和验证集。如果需要缩放，则在CV的每一次迭代中，计算不包括验证集的训练集(不是整个训练数据)的均值和标准差，并用于缩放验证集，使缩放部分永远不包括来自验证集的信息。我的<
浏览 1提问于2020-12-08得票数 0
这是我用过的模型：model.add(LSTM(units=200, input_shape=(15, 17), return_sequences=True)metrics=['binary_accuracy'])
现在，在model.fit()之后，当我调用model.predict(X_dataset_multiple_batch)时，我得到了一些很好的预测老实说，附加备注我只需要最后一个预测，但是由于Keras内部设计的原因，我不能只有一个预测。必须分批处理。所以我必须分
浏览 7提问于2021-01-11得票数 0
回答已采纳
背景:作为预测分析的一部分，我得到了一个训练和测试数据集。训练数据和测试数据都有数值和分类预测变量，另外，训练数据有一个数值目标变量。目的是在测试中预测目标。train = C1，c2，x3，x4，y = Xc，X，y
Xc，X表示范畴变量和数值预测变量。我试图从分类变量Xc中生成额外
浏览 0提问于2018-06-05得票数 1
1回答
假设我得到了以下内容，并且需要找到'use‘KNN来预测记录15的类别标签，并且预先知道k被设置为3。为了做到这一点，正确的步骤是什么，无论是表还是标签或k被设置为？前10个是训练数据，其他10个是测试数据。
浏览 0提问于2015-10-10得票数 0
我已经研究过常用的机器学习预处理方法，但我无法解决以下具体问题。问题出现在这里，因为如果我再次为我的新数据应用准备步骤，这些步骤没有考虑到培训
浏览 0提问于2016-10-12得票数 1
我有一个训练数据集，我们称它为"training_data"，它由19个变量(特征)和1个标签组成，总共20个变量(列)。这个数据集只包含最好的预测器，这意味着低方差列或差预测器已经被删除，我的意思是，这是从特征选择得到的数据帧。让我们将此数据集中的标签命名为："final_score“
另外，我有一个测试数
浏览 13提问于2019-11-23得票数 1
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
腾讯会议
云直播活动推荐
腾讯云开发者
