auc函数中存在“未使用的参数”问题
在auc函数中存在"未使用的参数"问题是指在使用auc函数进行模型评估时，传入的参数中存在一些未被使用的情况。这可能是由于代码编写不规范或者参数传递错误导致的。
解决这个问题的方法是检查代码中auc函数的调用，并确保传入的参数都被正确使用。可以通过以下步骤来解决该问题：
- 检查参数传递：仔细检查auc函数的参数传递是否正确。确保传递的参数与函数定义中的参数一一对应，并且没有多余或缺少的参数。
- 查看函数定义：查看auc函数的定义，了解每个参数的作用和用法。确保传递的参数与函数定义中的参数类型和顺序一致。
- 检查参数使用：检查代码中对传入参数的使用情况。确保所有传入的参数都被正确使用，没有出现未使用的情况。
- 调试代码：如果仍然存在问题，可以使用调试工具来逐步执行代码并观察变量的值和函数的执行过程，以找出问题所在。
对于云计算领域的专家来说，解决auc函数中存在"未使用的参数"问题是比较基础的任务。在云计算中，auc函数通常用于评估机器学习模型的性能，特别是二分类模型。通过计算ROC曲线下的面积，可以评估模型的分类准确性。
腾讯云提供了一系列与机器学习和人工智能相关的产品和服务，可以帮助开发者构建和部署模型。例如，腾讯云的机器学习平台（https://cloud.tencent.com/product/tensorflow）提供了强大的机器学习工具和资源，可以帮助开发者进行模型训练和评估。
总结起来，解决auc函数中存在"未使用的参数"问题需要仔细检查代码中的参数传递和使用情况，并确保传入的参数都被正确使用。腾讯云提供了丰富的机器学习和人工智能相关的产品和服务，可以帮助开发者在云计算领域取得更好的成果。
相关·内容
8回答
各大公司相继提出自己的机器学习平台，那么腾讯“云+未来”峰会上一站式机器学习平台TI-ONE到底是什么？提供了怎样的功能？
浏览 1094提问于2018-06-04
1回答
在google云中，哪个是最佳的选择调用训练机器学习模型？
python、google-cloud-platform、gcp-ai-platform-training
我在python中有一个经过训练的机器学习模型来获得一个回归输出，这个模型是用scikit- learning训练的。
我想将这个预测插入到防火墙中，我将使用云函数来完成它，每天使用云调度程序来调度它。
我的问题是我要把这个受过训练的机器学习模型藏在哪里？
我能把它存储到google存储中并在云函数中调用它来获得预测吗？
还是我应该把它存储在人工智能平台上？
如果答案是进入人工智能平台，为什么？如果我把它存储到AI平台上，我有什么优势？我能用那里的新数据训练模型吗？
我一直在读到，这是可能的，但我不知道为什么更好，如何更好
浏览 3提问于2019-10-28得票数 0
回答已采纳
5回答
可解释的机器学习和可解释的机器学习有什么区别？
machine-learning、terminology、explainable-ai、interpretation
奥鲁克说，可解释的ML使用黑匣子模型，然后再解释它，而可解释的ML使用非黑匣子的模型。
克里斯多夫·莫尔纳说，可解释的ML指的是人类能够理解(模型的)决定的原因的程度。然后，他使用可解释的ML和可解释的ML进行交互。
维基百科在谈到“可解释的人工智能”时说，它指的是人工智能的方法和技术，这样人类专家就可以理解解决方案的结果。这与机器学习中黑匣子的概念形成了鲜明的对比，在机器学习中，即使是他们的设计者也无法解释为什么人工智能做出了特定的决定。解释人工智能决定的技术挑战有时被称为可解释性问题。
杜世-韦利兹和金说，可解释的机器学习系统为它们的输出提供了解释。
很明显，有很多定义，但他们并不完全同意
浏览 0提问于2020-03-24得票数 20
2回答
我目前正在进行一个项目，在那里我需要编程的人工智能为去(亚洲战略游戏)，我想知道，我如何开始？我知道人工智能的许多应用方法，如神经网络、机器学习(监督学习等)、Monte方法或基于知识的人工智能。我更感兴趣的是机器学习，但我的时间很短，因为我有两个月的时间来完成它。
我也在考虑，如果我没有足够的时间去做任何其他的事情，我也会考虑用蛮力来剪短极小值和α-β值。我完全知道这不是最好的办法，但如果我赶不上时间，我就别无选择。
浏览 0提问于2012-01-23得票数 4
1回答
H2O和Scikit-Learn指标评分之间有什么不同？
python、machine-learning、scikit-learn、classification、h2o
我尝试使用H2O为二进制分类问题创建了一些机器学习模型，测试结果相当不错。但后来我检查了一下发现了一些奇怪的东西。出于好奇心，我试图打印测试集的模型预测。我发现我的模型实际上一直预测0(负)，但AUC约为0.65，精度不是0.0。然后，我尝试使用Scikit-learn来比较指标得分，结果(正如预期的)它们是不同的。Scikit学习得到了0.0的精度和0.5的AUC分数，我认为这是正确的。下面是我使用的代码：
model = h2o.load_model(model_path)
predictions = model.predict(Test_data).as_data_frame()
#
浏览 12提问于2018-02-09得票数 3
回答已采纳
4回答
AI，ML，NN和DL有什么区别？
machine-learning、neural-network、deep-learning、data-mining、algorithms
以下四类之间有什么区别：
人工智能(AI)
机器学习(ML)
神经网络
深度学习(DL)
数据科学
我目前的理解是，每一种算法都封装了一些算法。我觉得，在ML、NN和DL中，机器学习(ML)是最大的集合，它包含NN，而后者又包含DL。见下图。数据科学是所有五项中最大的一组。这是正确的吗？人工智能在这个数字上会是什么样子？
📷
浏览 0提问于2020-11-18得票数 4
回答已采纳
1回答
在XGBoost中将自定义度量用于评分方法
python、scikit-learn、xgboost
我正在使用xgboost来解决数据集不平衡的分类问题。我计划使用F1得分或roc-auc的一些组合作为我判断模型的主要标准。 目前，从score方法返回的默认值是准确性，但我真的希望返回一个特定的评估指标。我这么做的主要动机是，我假设模型的feature_importances_属性是由影响score方法的因素决定的，而影响预测准确性的列可能与影响roc-auc的列非常不同。现在，我正在将值传递给eval_metric，但这似乎没有什么不同。 下面是一些示例代码： from sklearn.model_selection import train_test_split
from xgboos
浏览 14提问于2021-04-24得票数 0
2回答
为了编写一个简单的人工智能程序来玩游戏，我需要什么知识？
machine-learning、algorithms、beginner、reinforcement-learning、training
我是B.Sc毕业生。我的课程之一是“机器学习入门”，我一直想在这门课上做一个个人项目。
我最近听说了不同的人工智能训练来玩游戏，如马里奥，围棋等。
为了训练一个简单的人工智能程序来玩游戏，我需要获得什么知识？对于初学者来说，你推荐什么游戏？
这是我目前在机器学习中所知道的-
课程介绍和机器学习。K-最近邻算法和K-均值算法
统计推断
高斯混合模型(GMM)与期望最大化
可能是近似正确的模型，包括泛化界和模型选择。
基本的超平面算法:感知器和Winnow。
支持向量机(SVM)
核粒
促进弱学习者向强学习者学习: AdaBoost
边缘-感知器
回归
PCA
决策树
决策树修剪与随机林
浏览 0提问于2017-01-04得票数 9
回答已采纳
1回答
预测外部测试集的最佳方法是什么？
machine-learning、keras、scikit-learn
我的问题是理论上的，相当技术性的，所以我不会在这里张贴我的代码，因为代码可以在sklearn网站上找到。
我建立了一个分类器和交叉验证与5倍使用学习。在我的代码中，我正在计算各种精度参数，如灵敏度、特异性、F1评分等。经过5倍交叉验证，平均所有精度参数完成后折叠.
最后，我的脚本创建了一个ROC曲线以及AUC评分和其他精确参数的直方图，并生成一个HTML报告文件。
交叉验证意味着内部测试，但是当我使用外部测试数据集时，混乱就开始了。
我的问题是如何预测外部数据集，这在下面的方法中是正确的。
经交叉验证后，保存每一折平均参数的模型，利用该模型对外部测试集进行预测，计算评估报告。如果是这样的话
浏览 0提问于2019-08-14得票数 0
回答已采纳
1回答
如何在标尺包中正确设置roc_auc()函数的估计参数
r、roc、auc、yardstick
我想计算一个模型的AUC。
library(yardstick)
data(two_class_example)
这个密码起作用了。
roc_auc(
two_class_example,
truth = truth,
Class1,
options = list(smooth = TRUE)
)
我喜欢指定参数，这样我的代码就更容易阅读和调试。
roc_auc(
two_class_example,
truth = truth,
estimate=Class1,
options = list(smooth = TRUE)
)
这会产生以下错误
metric_
浏览 1提问于2020-02-08得票数 2
回答已采纳
1回答
如何使用轻型gbm cv实现轻型gbm列车功能
python-3.x、machine-learning、lightgbm
我在机器学习方面还是新手。我试图用lgb.cv()的5倍简历来训练我的模型，但是我不知道如何在lgb.train()中使用结果。例如，如何使用‘lgb_clf’中的“cv结果”？我无法理解cv()和train()之间的区别。
lgbm_params = {
'objective': 'binary',
'metric': 'auc',
'is_unbalance': 'true',
'boosting': 'gbdt',
浏览 1提问于2020-02-18得票数 0
回答已采纳
1回答
在mlr中调优超参数不会产生合理的结果？
r、h2o、mlr
我正在尝试使用mlr函数调优tuneParams中的超参数。然而，我无法理解它给我带来的结果(否则我就不正确地使用它)。
例如，如果我使用二进制响应创建一些数据，然后创建一个mlr h2o分类模型，然后检查其准确性，我将得到一些值。然后，如果我在一些参数上使用tuneParams，并找到一个更好的精度和AUC，然后将它们插入我的模型。结果的准确性和AUC (对于模型)与使用tuneParams发现的不匹配。
希望下面的代码能说明我的问题：
library(mlr)
# Create data
set.seed(1234)
Species <- sample(c("yes"
浏览 5提问于2021-05-27得票数 0
回答已采纳
3回答
利用人工智能技术优化参数
optimization、parameters、artificial-intelligence、neural-network、genetic-algorithm
我知道我的问题是一般的，但我是新的人工智能领域。我用一些参数(几乎6个参数)做了一个实验。它们中的每一个都是独立的，我想找出输出函数最大或最小的最优解。但是，如果我想在传统编程技术中这样做，将需要很长时间，因为我将使用6个嵌套循环。
我只想知道该用哪种人工智能技术来解决这个问题？遗传算法？神经网络？机器学习？
更新
实际上，这个问题可能有一个以上的评价功能。它将有一个功能，我们应该最小化它(成本)和另一个功能，我们要最大化它(容量)，也许可以增加另一个功能。建造一个玻璃窗口可以用百万种方式完成。然而，我们希望以最低的成本建立最强大的窗口。玻璃的强度、玻璃的高度和宽度、玻璃的斜率等参数都会影响玻
浏览 0提问于2015-07-13得票数 4
回答已采纳
4回答
哪里可以便宜地托管小型GPU机器学习API？
machine-learning、gpu、hosting、cloud-hosting
我正在尝试制作一些新的web，这些API将从GPU处理中大大受益于已完成/经过培训的机器学习模型。我想让这成为一个公开可用的端点。但是，，我不知道在哪里可以托管一个机器学习爱好项目API?，如果有更好的方法(即只使用GPU，同时处理一个API请求，这是不常见的)，我也对此持开放态度。
AWS定价
我能看到的最便宜的是每小时0.50美元，大约每月350美元
谷歌云定价
最便宜的是每月180美元
大型人工智能定价
我发现最便宜的是每小时0.077美元，每月56美元
我找到了这个quora帖子，它告诉我是一个8美元/月的解决方案，但我不确定这是否真的是服务器托管。
浏览 9提问于2020-11-06得票数 0
1回答
带有样本权重的keras自定义度量
python、tensorflow、keras、metrics
我试图在Keras中定义一个考虑样本权重的自定义度量。在拟合模型时，我使用样本权重如下：
training_history = model.fit(
train_data,
train_labels,
sample_weight = train_weights,
epochs = num_epochs,
batch_size = 128,
validation_data = (validation_data, validatation_labels, validation_weights ),
浏览 3提问于2019-02-22得票数 4
回答已采纳
1回答
为什么在Google Cloud ML上训练的TensorFlow模型比在本地训练的模型更准确？
tensorflow、machine-learning、object-detection、google-cloud-ml
我训练了一个对象检测API模型(使用动物园的COCO / Inception v2的Mask RCNN )，具有相同的配置，TensorFlow和模型版本，以及相同数量的步骤的相同(自定义)数据集。
在本地机器(1080TI上的tensorflow-gpu)上，我使用了object_object/Train.py，而在云上，我使用了调用object_detection.train模块的google ml-engine作业。两者使用相同的学习率。
云运行使用了5个工作进程，而本地运行只有1个GPU。它们都被设置为批处理大小为1。
为什么本地训练的模型的准确性要低得多？本地训练的模型往往比云训练的
浏览 28提问于2018-08-23得票数 0
回答已采纳
3回答
机器学习/深度学习可以用来最小化目标函数吗？
machine-learning、deep-learning、objective-function
我有建筑工地的数据，我想知道我是否可以用机器学习来降低建造一座建筑物所需的成本。但是，据我所知，机器学习只能做函数逼近。但是，我记得谷歌使用人工智能来降低数据中心的成本。这和这是本文的主题。
浏览 0提问于2018-08-13得票数 0
1回答
无法应用map reduce模型的机器学习算法
mapreduce、machine-learning
论文" map -Reduce for Machine Learning on Multicore“展示了10种机器学习算法，它们可以从map reduce模型中受益。关键是“任何适合统计查询模型的算法都可以写成一定的求和形式”，并且算法可以表示为求和形式，可以应用map reduce编程模型。
对于那些不能表示为求和形式的算法，并不意味着它们不能应用map reduce模型。谁能指出任何特定的机器学习算法，这些算法不能通过map reduce模型来加速？
浏览 1提问于2012-11-21得票数 6
回答已采纳
1回答
如何从mlr3中的基准结果中获得模型结果？
r、mlr3
最近，我正在学习如何使用mlr3包。我在做一个特征选择，并想比较模型results.However，我想知道如何从Benchmarkresult结果中获得模型结果，比如在特性选择的学习者模型中使用了哪些特性。
这是我的代码：
#setup task
task = TaskClassif$new(id = "SPI", backend = test, target = "recidivism")
#learner of non-FS
learner_ranger = lrn("classif.ranger",
浏览 1提问于2021-06-21得票数 1
回答已采纳
2回答
Keras ROC不同于Scikit ROC？
machine-learning、keras、scikit-learn、nlp、roc
从下面的代码看，使用keras和scikit评估roc实际上是有区别的。有谁知道怎么解释吗？
import tensorflow as tf
from keras.layers import Dense, Input, Dropout
from keras import Sequential
import keras
from keras.constraints import maxnorm
from sklearn.metrics import roc_auc_score
# training data: X_train, y_train
# validation data: X_vali
浏览 2提问于2020-04-15得票数 2
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
