machine-learning

    1熱度

    1回答

    我想將投票分類器應用於多個管道分類器並調整網格搜索中的參數。最小的例子給我一個錯誤。我必須以不同的方式做到這一點嗎? from sklearn.ensemble import RandomForestClassifier from sklearn.ensemble import AdaBoostClassifier from sklearn.ensemble import VotingClas

    1熱度

    1回答

    我正在嘗試通過創建一個字符文本的熱編碼來準備數據文件,我可以稍後使用這些編碼來訓練我的模型進行分類。我有一個由字符行組成的訓練數據文件,我最初正在做它們的整數編碼,然後是一個熱門編碼。 例如這是數據文件的外觀: afafalkjfalkfalfjalfjalfjafajfaflajflajflajfajflajflajfjaljfafj fgtfafadargggagagagagagavcacac

    -2熱度

    1回答

    我想學習集成方法,並發現ada-boosting可以建立在普通機器學習方法(如隨機森林)之上。該方法可以使用訓練集中的錯誤分類數據來建立更準確的分類模型。 但是,我在網上搜索,但我找不到執行的答案。 我想知道如何在隨機森林的頂部爲分類問題構建一個ada-boosting來最小化錯誤? 讓我們只說我有一個 訓練集(DF):火車 測試集(DF):測試 和多項功能叫做:特徵。 ,分級被稱爲:結果(火車$

    -2熱度

    1回答

    我已經完成了3個LSTM的堆棧訓練,現在我想調查每個LSTM層對它的權重的小擾動有多敏感。我想從檢查點加載模型,爲某個圖層的權重添加一個小值並記錄性能損失/收益。我不知道最簡單的方法是什麼?

    0熱度

    1回答

    我有一定的11種顏色,我想限制一個正常的RGB圖像給他們,我現在使用的方法是使用最小歐幾里得距離找到最接近的顏色,最簡單的方法, 但是因爲我將來會使用微處理器來實現這一點,所以速度對我來說很重要,還有其他方法,例如ANN或其他機器學習或圖像處理技術,我可以用來加速這個過程? 在此先感謝 問:這個問題的名稱是什麼?所以,我可以尋找更好的

    1熱度

    1回答

    語境下的測試誤差正確方法: 據穆勒的「入門機器學習與蟒蛇」推薦工作流,人會做一個單一的分數評價對一個測試組是在過程的開始擱置: 這樣做的好處來獲得其超參數設置,在可能使用多個(不同的)模型嵌套交叉驗證一個給定的模型。 單個測試集的評估給出了具有高方差的估計器。 問題: 有沒有什麼辦法讓比這個單一的分數更好的泛化誤差估計? (即使這種方法需要更多的訓練迭代)

    1熱度

    1回答

    我正在嘗試使用R型提供程序來擬合和預測支持向量機模型。我能夠擬合模型,但是當我嘗試預測返回的矢量與訓練矢量具有相同的長度時,它不應該有這個長度。 我在R中直接嘗試了等效代碼,並且返回的列表具有正確的長度。 這是怎麼發生的? 下面是一個例子: open System open RDotNet open RProvider open RProvider.stats open RProvider

    2熱度

    1回答

    我解析的文件也包含UUID類型。 我無法解析文件並得到此錯誤。 從/127.0.0.1:54321 DistributedException: 'NewChunk具有類型數值,但VEC是類型UUID的',致java.lang.AssertionError:NewChunk具有類型數值,但VEC是類型UUID的 任何人都知道這意味着什麼?

    0熱度

    1回答

    我有一個基於CNN的物體檢測器在WIDER Face數據集上進行了訓練。它可以成功檢測給定圖像中的人臉。 現在,我試圖在雲,房屋等中檢測抽象的面孔和簡約的臉型,但沒有成功。最初,我認爲基於神經網絡的物體檢測器會以某種方式推廣,並且我可以降低檢測閾值來檢測這種模式,但是這種方案並不奏效。 除了收集和標註這樣的訓練樣例(面部樣式)來解決這個問題之外,還有其他方法嗎?

    0熱度

    1回答

    我有一個在本地工作的tensorflow對象檢測API的小實例。一切看起來不錯。我的目標是使用他們的腳本在Google機器學習引擎中運行,我之前已經廣泛使用它。我正在關注這些docs。 聲明一些相關的變量 declare PROJECT=$(gcloud config list project --format "value(core.project)") declare BUCKET="gs: