Scikit-学习MLPRegressor -如何不预测负面结果？
Scikit-learn是一个流行的机器学习库，而MLPRegressor是其中的一个回归模型。MLPRegressor是多层感知器（Multi-Layer Perceptron）的回归实现，它可以用于解决回归问题，如预测数值型的目标变量。
要避免预测负面结果，可以考虑以下几个方面：
- 数据预处理：确保输入数据的质量和准确性，包括数据清洗、去除异常值、处理缺失值等。这可以通过使用Scikit-learn的数据预处理工具来实现，例如Imputer、StandardScaler等。
- 特征选择：选择对目标变量有较强预测能力的特征，可以通过特征选择算法（如相关性分析、方差阈值等）来进行特征选择。Scikit-learn提供了一些特征选择的工具，如SelectKBest、SelectFromModel等。
- 模型调参：调整MLPRegressor模型的参数，以提高模型的性能和泛化能力。可以使用交叉验证和网格搜索等技术来寻找最佳的参数组合。Scikit-learn提供了GridSearchCV等工具来进行模型参数调优。
- 模型集成：考虑使用集成学习方法，如随机森林（Random Forest）或梯度提升树（Gradient Boosting），以提高模型的预测性能和稳定性。
- 数据量和样本均衡：增加训练数据量可以提高模型的泛化能力，同时确保正负样本的均衡，避免数据不平衡导致模型预测偏向负面结果。
总结起来，为了避免预测负面结果，需要进行数据预处理、特征选择、模型调参、模型集成等步骤，并确保数据量充足和样本均衡。以下是一些相关的腾讯云产品和链接：
- 数据预处理工具：腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 特征选择工具：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
- 模型调参工具：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
- 集成学习工具：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
请注意，以上链接仅供参考，具体产品选择应根据实际需求和情况进行评估。
相关·内容
1回答
我正在尝试创建一个回归模型，使用scikit-学习预测汽车价格。输入的数据有:车型(纵倾)、公里使用、同类车的过去转售价格和二手车年限。我正试图预测这辆汽车未来的转售价格。
我已经对数据做了预处理。我试过使用ARDRegression，RandomForestRegressor，最后是MLPRegressor。但预测模型似乎没有很好的预测效果，预测结果似乎超出了训练数据的范围。
如果实际价值(实际售价)为748077.0，则预测值为1352960。
也许我做错了什么，但我不知道是什么。我已经简化了代码，将重点放在预测部分，并共享了链接。
有人能指点我吗。
这是google笔记本链接
更新:反演
浏览 0提问于2019-10-28得票数 2
为什么与从头开始构建网络相比，使用scikit- training库的MLPRegressor会在培训时间上带来如此大的增加？我尝试了这两种方法，我发现从头到尾编写代码的平均训练时间是10秒，而Sci-Kit学习几乎马上就开始训练了？
浏览 0提问于2019-03-14得票数 1
回答已采纳
背景
我正在使用scikit- learn的MLPRegressor来学习具有以下参数的模型：
hidden_layer_sizes=(16, 16),
learning_rate_init=1e-2,
solver='sgd',
momentum=0.9,
activation='tanh',
learning_rate='constant'
我使用partial_fit()来逐步适应这个模型。有时，在FloatingPointError‘S代码中，我会在这一行中得到一个MLPRegressor：
updates = [self.momentu
浏览 0提问于2018-09-16得票数 1
回答已采纳
1回答
我刚刚开始使用scikit-学习经过多年的数据与SAS/SPSS产品。我对科学知识和熊猫的能力感到惊讶，然而有一件事我自己也搞不懂。让我们假设我的训练数据是由整数建立的，其中一些是编码分类值的。是否有任何方法可以控制如何通过树或集成树(例如:ExtraTreesClassifier)来解释变量？正确的方法是将变量类型从int改为object，或者我可能会学到一个常见的技巧吗？
谢谢你，黛拉
浏览 1提问于2014-01-20得票数 1
回答已采纳
我试图将GridSearchCV与MLPRegressor一起使用，以适应输入和输出数据集之间的关系。GridSearchCV.predict()方法是使用交叉验证期间学到的最佳参数，还是需要手动创建一个新的MLPRegessor？
这行得通吗？
# Fitting a Regression model to the train data
MLP_gridCV = GridSearchCV(
estimator=MLPRegressor(max_iter=10000, n_iter_no_change=30),
param_grid=param_list,
n_jobs
浏览 14提问于2022-06-01得票数 2
回答已采纳
我想调用一个包含MLPRegressor模型的joblib文件，但出现错误 导入joblib mlpr = joblib.load("C:/Users/Haytham/OneDrive/Bureau/PFE - App/model.pkl") ModuleNotFoundError:没有名为'sklearn.neural_network._multilayer_perceptron‘的模块
浏览 450提问于2020-04-13得票数 3
如果这一点以前已经解决了，我很抱歉，但我没有找到解决这个问题的办法。
我目前正试图解决一个问题，有四个因变量和四个自变量，都是非范畴的。它们似乎具有非线性相关性，多线性标准多元回归得到了合理的结果，但我试图将它们与随机森林和神经网络的结果进行比较。
根据此链接，应该可以使用MLPRegressor实现多输出.但是，当我尝试应用.fit方法时，会收到一条错误消息：
fit()缺少一个必需的位置参数：'y'
下面是我使用的代码：
# Data Preprocessing - Importing the Libraries
import pandas as pd
# Importi
浏览 0提问于2017-06-30得票数 0
我是机器学习的新手，我正在使用MLPRegressor。我使用以下命令拆分数据 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 然后，我制作并拟合了模型，对测试集进行了10次验证。 nn = MLPRegressor(hidden_layer_sizes=(100, 100), activation='relu',
solver='lbfgs', max_iter=500)
nn.fit
浏览 60提问于2019-09-06得票数 0
我正在尝试将一个实现的scikit-学习到OpenCV的几个机器学习算法。首先，你知道有任何具体的问题/文件，我可以找到参数等价吗？
如果不是，在决策树的具体情况下，max_categories of OpenCv是否等同于max_features？
浏览 0提问于2018-08-13得票数 0
回答已采纳
1回答
df = pd.read_csv('../input/etu-ai-club-competition-2/train.csv')
df.shape
(750000,77)
X = df.drop(columns = 'Target')
y = df['Target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25)
model = MLPRegressor(hidden_layer_sizes = 60, activation =
浏览 6提问于2022-10-11得票数 1
回答已采纳
2回答
我正在用我的研究数据建立一个神经网络，有两种方法:用统计程序(SPSS)和用python。我用的是学习MLPRegressor的科学工具。我遇到的问题是，虽然我的代码写得很好(因为它正在运行)，但是结果是没有意义的。r2score应该在0.70左右(它是-4147.64)，图中所表示的相关性应该是几乎线性的。(它只是离X轴一定距离的一条直线)。此外，x和y轴的值应该从0到180不等，但情况并非如此(x从20到100，y从-4100到-3500)。
如果你们能帮忙的话，我会非常感激的。谢谢！
import numpy as np
import matplotlib.pyplot as plt
i
浏览 3提问于2020-06-01得票数 3
回答已采纳
2回答
我正在使用Scikit的MLPRegressor进行时间序列预测任务。
我的数据使用MinMaxScaler在0到1之间缩放，我的模型使用以下参数初始化：
MLPRegressor(solver='lbfgs', hidden_layer_sizes=50,
max_iter=10000, shuffle=False, random_state=9876,
activation='relu')
我期望输出在0到1之间，但得到界外的值(都是负值，也是>
浏览 0提问于2018-05-21得票数 2
回答已采纳
我已经把standardScaler放到了管道上，CV_mlpregressor.predict(x_test)的结果很奇怪。我想我必须把standardScaler的值带回来，但仍然不知道怎么回事。
pipe_MLPRegressor = Pipeline([('scaler', StandardScaler()),
('MLPRegressor', MLPRegressor(random_state = 42))])
grid_params_MLPRegressor = [{
'MLPRegressor__sol
浏览 1提问于2018-11-11得票数 6
回答已采纳
我想在素描学习中使用MLPregression，并且我有不同规模的输入。我在scikit中使用了MLPRegressor -learn in Python. 下面是我的代码： smlp = MLPRegressor(hidden_layer_sizes=(committee,),
activation='relu',
solver='adam',
lea
浏览 37提问于2019-03-22得票数 0
我正在使用Scikit-学习库做一个线性回归。每件事都是简单而直接的。有了6行代码，我就能做好这项工作。然而，我想确切地知道背后发生了什么。
因为我是ML的初学者，所以我的问题可能是错的，但是我想知道Scikit学习使用什么算法来最小化它的linear_regression方法中的均方误差。
浏览 0提问于2018-11-21得票数 0
回答已采纳
我有一个模型，我已经训练了二进制分类，我现在想用它来预测未知的类元素。
from sklearn.externals import joblib
model = joblib.load('../model/randomForestModel.pkl')
test_data = df_test.values # df_test is a dataframe with my test data
output = model.predict(test_data[:,1:]) # this outputs the prediction eithe
浏览 2提问于2015-03-18得票数 1
回答已采纳
我正在实现一个可伸缩的管道，用于清理我的数据并在建模之前对其进行预处理。
我对用于预处理的sklearn Pipeline对象相当满意，但我不确定是否应该包括数据清理、数据提取和特性工程步骤，这些步骤通常更适合我正在处理的数据集。
我的一般想法是，预处理阶段将包括对拆分后需要完成的数据进行操作，以避免数据泄漏。这些通常是：
缩放
估算(如果不是按恒定值计算)
编码
另一方面，数据清理或功能工程是可以对整个数据集执行的操作，例如：
def clean_price(data):
"""Clean the price feature."""
浏览 0提问于2020-12-11得票数 2
2回答
我用3种不同的回归模型对代谢物数据进行了建模。通过使用随机森林模型和梯度增强决策树运行特征重要性，我得到了类似的结果(我使用了scikit-学习内置的特征重要性)，但是使用深度神经网络，我得到了非常不同的结果(使用置换特征重要性)。我还运行了PCA，PCA给了我类似于DNN的结果！这是正常的吗？他们两个还能准确吗？我有相当多的初始功能。
浏览 0提问于2020-11-11得票数 5
3回答
我试图解决一个有两个输出值的回归问题。输出值作为传入预订值的两个不同阈值，用于接受或拒绝预订。
这两个输出值在业务案例中是手动设置的，但这将在机器学习的帮助下自动完成。在业务案例中，输出值之一可以是Nan，那么所有的预订都将被接受。因此，如果一个输出值没有被填充，那么它对业务案例是有效的。
示例：
X_train = np.array([(1,1),(2,2),(3,3),(4,4)])
Y_train =np.array([(1,1),(2,2),(3,3),(4,np.nan)])
X_test = np.array([(5,5),(6,6),(7,7)])
Y_test = np.arr
浏览 3提问于2020-08-23得票数 0
回答已采纳
我有两个列表："A“是列表的列表，每一项包含预测标记的列表"B”是列表的列表，每一项都包含真正的标签
我试着计算精度，回忆，f分数，使用scikit-学习在迭代，艾比，但它说
ValueError:找到样本数不一致的输入变量:3，2
我发现了一些类似的话题，但是没有答案
浏览 3提问于2017-02-03得票数 2
回答已采纳
因此，我已经应用随机搜索，然后网格搜索，我的MLP回归。问题是，对于随机搜索(隐藏层18、18、18 (R^2= 0.90))所建议的最佳参数，我的R^2要好于网格搜索(隐藏层17、17、17 (R^2= 0.89) )，为什么呢？
from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import RandomizedSearchCV
mlp = MLPRegressor(random_state=42)
param_grid_random = {'hidden_layer_siz
浏览 9提问于2022-07-18得票数 1
回答已采纳
1回答
如何最好地使用scikit-学习以下具有二进制特性的监督分类问题(简化)：
import numpy as np
from sklearn.tree import DecisionTreeClassifier
train_data = np.array([[0, 0, 1, 0],
[1, 0, 1, 1],
[0, 1, 1, 1]], dtype=bool)
train_targets = np.array([0, 1, 2])
c = DecisionTreeClassifier()
c.fi
浏览 1提问于2014-02-16得票数 1
回答已采纳
1回答
我正在解决一个回归问题。我已经得到了一个数据集，我已经对其进行了特征工程(输入缺失值，框cox转换倾斜的变量，等等)。
我使用5个数据集拆分的cross_val_score训练和测试了几个模型。首先，我尝试了Kernel Ridge回归，套索，弹性网络，梯度提升等模型。然后我尝试了一下scikit上的MLPRegressor。然而，使用均方根误差，“简单”模型的结果比MLP Regressor好得多(例如，Kernel Ridge的平均得分为0.1153，MLPRegressor (hidden_layer_sizes=(256，)*25)的平均得分为0.1461，这是我发现运行不同架构的最好
浏览 0提问于2018-10-26得票数 0
3回答
对于二进制分类，我有一个具有55%负标签和45%正标签的数据集。
分类器的分类结果表明，该分类器的分类精度低于F1分。这是否意味着该模型对消极实例的学习要好于正面实例？
这甚至是有意义的，有准确性低于F1的分数？
浏览 0提问于2020-07-13得票数 6
1回答
本文分析了花旗2019年9月的数据(时间序列数据)，建立了预测回归模型。数据集目前可以找到，我正在聚合240万行的数据集，以获得整个月每个站点每天的每小时自行车需求。下面是聚合的样子：
我使用train_test_split对数据集进行了拆分，并应用了各种股票学习算法，主要来自scikit- learning。然而，这些模型的结果输出了一个非常低的R2值。例如，对于scikit-学习线性回归，我得到的R2为0.09019569965308272，因此模型无法识别数据中的模式。以下是线性回归模型的代码：
def lr(X_train, X_test, y_train, y_test):
浏览 2提问于2020-04-13得票数 1
回答已采纳
我已经测试了几种回归者从科学-学习。但是，当我只对回归者使用if-语句时，我会遇到错误情况，如下面的示例代码。
from sklearn.neural_network import MLPRegressor
from sklearn.ensemble import GradientBoostingRegressor, HistGradientBoostingRegressor
for j, model in enumerate([MLPRegressor(), HistGradientBoostingRegressor(), GradientBoostingRegressor()]):
浏览 4提问于2022-09-07得票数 1
1回答
我一直在使用sklearn来学习一些数据。这是一个二进制分类任务，我使用的是RBF内核。我的数据集非常不平衡(80:20)，我只使用了120个样本，具有10个左右的特征(我一直在尝试更少的几个)。自从我设置了class_weight="auto"后，我从交叉验证(10倍)网格搜索中计算出的准确率已经显著下降。为什么？?
我将包括几个验证精度热图来演示差异。
注意:顶部热图是在classweight更改为auto之前。
浏览 2提问于2016-03-30得票数 0
我刚刚开始学习神经网络，以便从cs231中深入学习。我试图在Python中实现神经网络。我正在考虑使用Tensorflow或scikit-学习。对于这个应用程序，这些库的优点和缺点是什么？
浏览 0提问于2018-08-12得票数 10
1回答
我有一个大约10,000条推文的样本，我想将其分类为“相关”和“不相关”两个类别。我正在使用Python的scikit-为这个模型学习。我手动编码1000条推文为“相关”或“不相关”。然后，以80%的人工编码数据作为训练数据，其余作为测试数据，运行支持向量机模型。我获得了很好的结果(预测精度~0.90)，但为了避免过度拟合，我决定对所有1000个手工编码的tweet进行交叉验证。
下面是我的代码，在我的样本中已经获得tf矩阵的tweet之后。"target“是一个数组，列出了tweet是否被标记为”相关“或”不相关“。
from sklearn.linear_model import
浏览 15提问于2017-01-23得票数 2
回答已采纳
2回答
新闻文章的多级分类算法
、、、、
我想把这篇新闻文章归类为它所属的类别。我有4类新闻，例如“技术、体育、政治和健康”。我已经为每一类收集了大约50份文件，作为一个培训集。
**培训数据是否足以进行分类？我应该使用哪种算法进行分类？支持向量机，随机森林，Knn，？
我正在使用Scikit-学习 python库来完成我的任务。
谢谢
浏览 1提问于2014-03-29得票数 2
回答已采纳
我完全是机器学习的新手，但我正在努力实现以下目标：
我有一系列数据，比方说：
即：{'day1'，5}，{'day2'，3}，{'day3'，8} ... {'day100'，8}
最后有一个最终的结果：
例如:通过/失败/其他结果
我想通过使用部分数据集来预测最可能的最终结果
即：{'day1'，3}，{'day2'，1}，{'day3'，6} ... {'day50'，8}
实现这一点的最好方法是什么?如果可能，你有什么例子或提示可以帮助像我这样没有机器学习经验的
浏览 0提问于2020-12-01得票数 1
1回答
我注意到，在scikit库的某个地方--学习，根据论坛，有一个bug，我看到他们github有一个已开发的scikit库--学习。我希望他们修复了那里的bug，所以我想安装scikit-在我的ubuntu和raspbian操作系统上学习。我想安装最新版本0.18的scikit-学习python2.7。有人能帮我吗。先谢谢你
浏览 3提问于2016-12-13得票数 0
回答已采纳
1回答
我用python编写了一个程序，使用机器学习算法对数据进行预测。我使用Scikit学习中的函数RandomForestClassifier来创建一个随机森林来进行预测。
该程序的目的是预测未知的天体物理源是脉冲星还是agn；因此它在已知数据上训练森林，然后对未知数据进行预测，但它不起作用。该程序预测未知数据都是脉冲星或全agn，它很少预测不同的结果，但并不正确。
下面我将描述我的程序的段落。
它创建了一个包含所有源数据的数据框: all_df它由十列组成，其中九列用作预测，一列用作目标：
predictors=all_df[['spec_index','variab_i
浏览 1提问于2016-08-18得票数 0
这是我在StackOverflow上的第一篇文章！我正在使用MLPRegressor为我的问题生成一个二进制类多输出预测。一旦得到了我的预测，我就使用numpy.round()对所有的值进行舍入，这样我就可以使用accuracy_score(因为准确性评分只适用于分类问题)。在此之后，当我得到以下错误时，我尝试使用sklearn.metrics.accuracy_score：
ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass-multioutput t
浏览 4提问于2020-10-07得票数 0
回答已采纳
1回答
我试着通过火炬指导来理解有监督的学习。
和反向传播：
如我所知，本torch教程中的参数更新在第4步的培训过程中，
output = model:forward(inputs[i])
df_do = criterion:backward(output, targets[i])
model:backward(inputs[i], df_do)
例如，我得到了这个
output = -2.2799
-2.3638
-2.3183
-2.1955
-2.3377
-2.3434
-2.37
浏览 0提问于2015-09-15得票数 1
回答已采纳
我正在尝试利用make_pipeline()从scikit-学习与GridSearchCV()。管道很简单，只包括两个步骤，一个StandardScaler()和一个MLPRegressor()。GridSearchCV()也非常简单，我正在使用TimeSeriesSplit()进行交叉验证。
我得到的错误如下：
ValueError:用于估计器管道的无效参数MLPRegressor (steps=(‘StandardScaler’，StandardScaler())，('mlpregressor'，MLPRegressor())。使用estimator.get_params(
浏览 2提问于2021-09-21得票数 0
回答已采纳
Google 帖子给出了一个有趣的解释:真阳性，真阴性，假阳性，假阴性
真实的积极(TP)：现实:狼受到威胁。谢泼德说：“狼。”结果:牧羊人是个英雄。真实否定(TN)：现实:没有狼的威胁。谢泼德说：“没有狼。”结果:每个人都很好。假阳性(FP)：现实:没有狼的威胁。谢泼德说：“狼。”结果:村民们对牧羊人叫醒他们感到愤怒。假阴性(FN)：现实:狼受到威胁。谢泼德说：“没有狼。”结果:狼吃掉了所有的羊。
在CV上下文中，分类器预测图像中是否包含cat。
True Positive (TP):
Reality: an image contains cat.
classifier predicts
浏览 0提问于2019-07-23得票数 1
回答已采纳
在木星笔记本上本地运行，并使用MNIST数据集(28k条目，每幅图像28x28像素)，以下操作需要27秒。
from sklearn.neighbors import KNeighborsClassifier
knn_clf = KNeighborsClassifier(n_jobs=1)
knn_clf.fit(pixels, labels)
然而，下面的需要1722秒，换句话说，~是的64倍
from sklearn.model_selection import cross_val_predict
y_train_pred = cross_val_predict(knn_clf, pix
浏览 0提问于2019-01-22得票数 6
回答已采纳
在滑雪中是否有一种方法可以在测试/训练集中保留一个列，但为了学习而忽略它呢？比方说，我有一个名为"ID“的专栏，和一群人在一起。我希望在构建模型时忽略"ID“并使用其他列，但是在预测结果中有"ID”。我需要能够识别哪个预测结果属于哪个"ID“。
浏览 0提问于2018-02-07得票数 2
1回答
我在大学的工作是估计一些要点的价值。所以，我需要预测8点，而另外8点。当我运行算法时，输出值甚至不接近输入值。有谁可以帮我？我的算法是，目前为止：
import pandas as pd
import numpy as np
from keras.models import Model
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from keras.layers import Dense, Input
from sklearn.neural_network impo
浏览 0提问于2018-12-18得票数 -1
我试着用MLP学习一些正弦函数。不幸的是，结果在很大程度上取决于随机种子。如何调整MLPRegressor，使结果更少地依赖于随机种子？
代码：
import numpy as np
from sklearn.metrics import mean_squared_error
from sklearn.neural_network import MLPRegressor
LOOK_BACK = 10
x = np.linspace(-10,10,1000)
y = np.sin(x)
dataX,dataY = [],[]
for i in range(len(y)-LOOK_BACK-
浏览 2提问于2018-05-06得票数 1
我想使用带有sklearn [MLPRegressor][1]模型的[OPTUNA][1]。 对于几乎所有的超参数，如何为它们设置OPTUNA非常简单。例如，要设置学习率：learning_rate_init = trial.suggest_float('learning_rate_init ',0.0001, 0.1001, step=0.005) 我的问题是如何为hidden_layer_sizes设置它，因为它是一个元组。假设我想要有两个隐藏层，第一层有100个神经元，第二层有50个神经元。如果没有OPTUNA，我会这样做： MLPRegressor( hidden_l
浏览 375提问于2021-11-11得票数 1
回答已采纳
1回答
我是JAX的初学者，我正在努力学习如何训练神经网络。我看到了一些博客，但据我所知，没有一个库可以让你轻松地训练它，比如“适合”，就像滑雪板一样。我对分类任务很感兴趣，能否请您重新推荐我的博客，以便采用他/她的算法来解决我的问题？
浏览 5提问于2021-05-31得票数 0
回答已采纳
我用管道制作了一个GridsearchCV，我想提取管道组件(MLPRegressor)的一个属性(n_iter_)，作为最佳模型。
我正在使用Python3.0。
管道的创建
pipeline_steps = [('scaler', StandardScaler()), ('MLPR', MLPRegressor(solver='lbfgs', early_stopping=True, validation_fraction=0.1, max_iter=10000))]
MLPR_parameters = {'MLPR__hidden
浏览 0提问于2019-08-09得票数 2
回答已采纳
下面的代码用于音频文件分割。
from pyAudioAnalysis import audioSegmentation as aS
[flagsInd, classesAll, acc, CM] = aS.mtFileClassification("diarizationExample.wav", "svmSM", "svm", True, 'dar.segments.txt')
它给了我这个警告：
C:\Users\Kenzhegaliyev_EK\AppData\Local\Continuum\anaconda3\lib\s
浏览 7提问于2020-01-15得票数 0
1回答
我正在对我的数据(大约250个特性)运行PCA，并看到所有的点都聚集在3个小块中。
有没有可能看到这250个功能中哪一个对结果的贡献最大？如果是的话，怎么做？
(使用Scikit-学习实现)
浏览 1提问于2016-10-27得票数 7
回答已采纳
1回答
我正在使用scikit-学习预测股票交易方向使用随机森林和随机树分类器。我的特征是像简单移动平均线这样的指标。我的问题是，对于这两种默认参数的算法，我都得到了相对糟糕的预测(大约50%)。我怎样才能提高准确度呢？代码如下：
X = data_from_csv[['RSI', 'CCI', '5SMA', '10SMA', 'ROC', 'Momentum', '%K', '%D']].astype(np.float32)
y = data_from_
浏览 3提问于2015-07-31得票数 1
回答已采纳
我觉得可能有人问过这个问题，但我不知道如何搜索它。基本上，我正在使用随机森林构建一个二进制分类器，并且有很多积极的结果，而不是消极的结果(2k vs ~20)。准确率当然是非常好的，因为测试集通常有0-1个负样本和超过1000个正样本。如果机器学习对于这种情况仍然可行，那么处理如此少量的负面情况的最佳方法是什么？或者数据只是无用的？
浏览 13提问于2018-07-23得票数 0
回答已采纳
2回答
我在人工智能和机器学习方面有一些基本知识，但在解决一个具体问题时有点困惑。
我有以下场景:给定特性和标记数据(0或1)。我想预测的概率，新的数据需要0的基础上，这些新的数据的特征值。
我知道这是监督学习，但我可以用什么方法来预测(我认为逻辑回归或神经网络应该是一种选择？)如果Python中有任何预实现的libaries，我只需将数据提供给它就可以了？
浏览 7提问于2022-11-19得票数 -2
我试图在一个固定的时间框架内预测一个项目的货币价值。在做任何特性工程或高级预处理之前，我想先建立一个基线模型。
我正在使用前馈神经网络进行回归(Sklearn's MLPRegressor)，我正在探索一个正常的、宽的和深的神经网络。
通常，我所做的就是将参数字典提供给我的网格搜索，然后从那里得到我的基线模型。令人惊讶的是，我这次从我最好的模型得到的真实的和预测的情节是令人困惑的。
这就是我在这里得到的情节，红色是真实的，蓝色是预测的：
📷
这是这个模型的损失曲线，剧透警告，这就像我以前从未见过的那样：
📷
以下是最佳模型的参数：
{'activation': '
浏览 0提问于2019-06-11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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
