1回答
我在scikit-learn中使用线性回归，我的数据集包含一些编目但数字特征。我的意思是，有一些特征，比如房子所在地区的价值是由1到7之间的整数来表示的:这个数字越高，房子就越有价值。我是否应该在使用OneHotEncoder等编码器进行线性回归之前，使用数字对表示类别(城市的区域)的要素进行预处理？或者只有当类别由字符表示时才
浏览 15提问于2020-04-24得票数 0
我试图运行逻辑回归，我的数据(6个分类，1个整数)使用科学知识学习。我正在跟踪scikit学习文档，但是当我试图拟合我的数据时，我得到了以下值错误。有人能帮忙吗。
浏览 4提问于2015-11-19得票数 1
回答已采纳
我正在使用支持向量机执行一些机器学习任务。我怀疑数据是非线性的，所以我也包括了RBF核。研究发现，RBF核支持向量机比线性支持向量机性能差得多。我想知道我的分类器参数规范是否做错了什么。我的代码如下：from sklearn.svm import SVC
svm1 = LinearSVC() # performs
浏览 8提问于2016-01-08得票数 3
回答已采纳
2回答
我要参加安德鲁·吴的课程--机器学习。他提到，与训练神经网络相比，训练具有多项式特征的logistic回归模型对于某些任务来说是非常昂贵的。那是为什么呢？我的意思是，当我们谈论神经网络时，我们通常看到的是一个参数非常多的模型，那么，为什么逻辑回归在计算上会更昂贵呢？PS:下面是一些上下文(在关于神经网络的练习开始时)：
在本练习的前一部分中，您实现了多类逻辑回归来识别手写数字。然而，logistic
浏览 0提问于2019-08-22得票数 0
回答已采纳
1回答
回归特征选择过程
、、
我正试图解决一个回归问题(确定下个月的预期收入)，.I了解了不同的特性选择技术，比如
Q2:我开始了解“正规化”。在回归问题中使用特征选择是唯一的方法吗？
浏览 0提问于2019-05-22得票数 1
1回答
我正在使用基于树的分类器在scikit-学习决策树和随机森林中，作为数据分类用例，并且特征集是分类(多数)和数字特征的混合。科学工具包-学习决策树/随机森林只能处理数值，所以我使用了LabelEncoder和OneHotEncoder的框架来将分类特性转换为数值特性。那么，我的问题是，在这里使用LabelEncoder有什么根本问题吗？
浏览 0提问于2021-12-13得票数 0
1回答
我正在使用python (scikit- learning )进行机器学习，使用相同的数据，但使用不同的分类器。当我使用500 K的数据时，LR和SVM (线性核)几乎同时使用，支持向量机(带有多项式核)要花费很长时间。但是使用500万个数据，看起来LR比SVM (线性)快很多，我想知道这是否是人们通常所发现的？
浏览 2提问于2016-01-15得票数 4
回答已采纳
1回答
我正在使用我从这里下载的数据：
ValueError: Unknown label type: 'continuous'
我在做线性回归时使用了同样的逻辑，它适用于线性回归。
浏览 1提问于2019-03-01得票数 1
回答已采纳
1回答
我是机器学习的初学者，我正在尝试使用数据集来训练一个日志线性分类器。数据集包含五个特征，每个特征都是一个向量，但特征的维数是不同的。尺寸分别为3、1、6、2和2。我试着用PCA方法将尺寸降到1，但效果不太好。那么，我如何处理这些特征，以适应对数线性分类器模型，如logistic回归？
浏览 1提问于2018-04-13得票数 1
回答已采纳
我有一个数据集的特点，如教育，经验，月加入等，我的预测是一个人是否接受邀请。我用sk-学习支持向量机、随机森林等建立了一些模型。我的目标是了解哪些特征在决定人是否加入的过程中起着至关重要的作用。我认为这是一个分类问题。
在创建模型之后，我获得了model.coeffc_ (如sklearn )，它给出了每个特性的系数值。假设12月我得到0.0028，我怎么能解释这个月对一个人是否加入有影响。那么，每个特性的这些系数值
浏览 2提问于2015-04-22得票数 1
我们正在进行一个项目，根据用户使用的IoT设备(风扇/光/AC)的位置、外部温度、湿度、一天中的时间等来预测其设置。培训数据不可用，每次用户使用IoT设备时，模型都应该开始构建/调整自己，以预测他在任何新环境中的首选设置。这个模型对于每个用户来说都是独一无二的。也许我们可以从一个演示模型开始，但是它应该根据每个用户的喜好来调整自己。
在这里，哪一种(机器？)学习算法会有用？请提供任何与此相同的链接和一些关于实施的<
浏览 0提问于2015-07-29得票数 2
1回答
如果发布了类似的信息，我会提前道歉，但从我所做的研究中，我找不到任何具体的信息。我想有两个标签。1hbn34uqrup7a13t1qmqnbetqx
cheesemixanimato12
什么类型的机器学习算法，我可以在上面的数据，以教它什么是我认为可疑的通过监督学习？我
浏览 3提问于2017-01-20得票数 2
回答已采纳
Azure ML如何在训练线性回归模型期间处理分类列？线性回归模型采用连续值。然而，即使我没有更改这些分类列中的任何内容，Azure ML也没有错误地训练线性和逻辑回归。所以我想知道Azure ML是如何在幕后处理分类列的。谢谢!
浏览 1提问于2015-10-31得票数 1
3回答
我试着使用Weka的NaiveBayesUpdateable分类器。我的数据包含名义和数字属性： @attribute country {FR, UK, ...}attribute price numeric %% car price 我需要预测销售数量(数字我知道我不能在Weka中使用数值型属性进行贝叶斯分类。一种技术是将数值属性值划分为长
浏览 2提问于2013-04-26得票数 6
回答已采纳
在我制作了一个MDS对象mds并将它与mds.fit(X)相匹配之后，我想我将能够使用mds.transform(X_new)来投射新的点。我认为这是其他多个类中的API。但只有fit_transform。我从描述中猜测，fit_transform做了一些更合适的事情，我不想改变已经计算出来的投影！
编辑:等等，也许这没有道理。我多读了些书。不过，我还是有点不明白fit_transform是做什么的。这些文档说“适合X中的数据，并返回嵌入的坐标”。这和
浏览 2提问于2014-02-22得票数 6
回答已采纳
2回答
我有这样的数据这是我的代码。(rfe.support_)ValueError: could not convert string to float: 'S'
具有这样
浏览 0提问于2019-02-15得票数 3
1回答
我能够从我读到的传感器上记录所有这些数据。我想要的是学习如何创建一个分类器来识别这些手势。有些人说要使用Matlab或Pyton，但我不知道从哪里开始。我看到了一些用于机器学习的图书馆，但我马上就迷路了。我对抽样和分类的概念只知道一点点。注意:我主要了解java编程语言。
浏览 0提问于2016-02-16得票数 0
回答已采纳
2回答
我有一个数据集，其中大部分都是名义分类特征，我已经将我的模型转换为指示值，F1,F2,L2 ,3 ,30F1-1,F1-2,F2-1,F2-3,L0 ,1 ,0 ,1 ,30
我使用了不同的回归算法(泊松、贝叶斯、决策树、决策森林、增强决策树、线性回归、神经网络)，但这些算法的性能都很低(r2 ~ 20然后我在想回归是如何找到值的，然后我发现了一些有趣<e
浏览 0提问于2017-12-31得票数 0
所有属性都是二进制的(存在或不存在)，目标特征是多项式(5类)。
但对于每个实例，除了一些属性的存在之外，我还拥有每个当前属性对目标特征有多大影响(1-5级)的信息。我如何利用我拥有的这些额外信息，并构建一个有助于更好地预测测试类的分类模型。
浏览 1提问于2013-08-27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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
