0
A
回答
0
我想:
- 首先弄清楚,如果它的工作原理,以及如何培養和生成預測
- 然後挑了幾個數據集,並將其劃分爲你的訓練和測試數據
- 訓練和測試黑匣子模型並將結果與幾個已知模型進行比較
這裏要強調的一點是爲了確保您不會用您的te訓練模型(s)刺痛數據......因爲這是模型如何推廣的真正考驗。如果你不熟悉建模,這是最重要的。
某些模型在某些類型的數據上很好,而在其他類型的數據上卻很好,所以這裏就是一個竅門......找到黑匣子可以有效的位置。
如果您的目標是嘗試找出框中的模型,然後選擇已知有利於某些模型的數據集,並且如果它確實有效,那麼您可以進行有根據的猜測。但很難說肯定。
不知道模型的類型並不好,因爲如果你對一些數據運行一堆不同的算法,那麼這可能是一個時間浪費......你不想重複你的努力,很高興知道它如何可以正常化(除非它爲你做)。
相關問題
- 1. 機器學習數據預處理
- 2. 數據科學中的訓練數據和測試數據
- 3. Keras - 學習情感數據後預測模型引發錯誤
- 4. 科學數據
- 5. 如何預測處理包含AsIs函數的模型?
- 6. 黑盒類型數據記錄
- 7. Rails黑盒子?
- 8. FloatingActionButton黑盒子
- 9. CodeDom黑盒子
- 10. 用於協作科學/數據處理項目的儀表板
- 11. 在python中自動處理e(科學)符號中的數字
- 12. 科學數據處理(圖形比較和解釋)
- 13. Android的盒子模型
- 14. 沒有C預處理器處理浮點數學常數
- 15. 根據預測值組合機器學習模型
- 16. 處理小數位數/避免科學記數法的Python
- 17. 元素的盒子(盒子模型)在Chrome中彼此重疊?
- 18. 是JUnit黑盒還是白盒測試?
- 19. 白盒測試 - 朋友還是預處理器?
- 20. 盒子模型和IE
- 21. 什麼是「盒子模型?」
- 22. CSS盒子模型寬度
- 23. Android黑盒UI測試
- 24. Android APK測試 - 黑盒
- 25. macOS Xcode黑盒測試
- 26. 如何預處理交易數據以預測購買概率?
- 27. 使用機器學習預測數據
- 28. 預測線性模型 - 因子
- 29. 用於科學分子動力學模型的3D可視化軟件
- 30. 數據科學熊貓CSV