machine-learning

    1熱度

    1回答

    當使用scikit執行優化時內核死亡

    我正在使用scikit對具有42k行和784列包含數字的75 MB文件進行工作的機器學習問題進行一些優化。 在jupyter筆記本上工作。 但是當我運行代碼時，內核死亡。與終端一樣的工作。 有什麼辦法可以解決這個問題嗎？ 高清列車（個體經營，X，Y）： def train(self, X, Y): self.X = X self.Y = Y self.J = []
    numpy machine-learning jupyter-notebook 2017-09-26

    1熱度

    1回答

    r：使用庫讀取libsvm文件（e1071）

    我已經使用org.apache.spark.mllib.util.MLUtils包在scala中生成了一個libsvm文件。 的文件格式是如下： m= read.matrix.csr(filename) 所得matrix.csr的結構如下：： 49.0 109:2.0 272:1.0 485:1.0 586:1.0 741:1.0 767:1.0 49.0 109:2.0 224:1.0 3
    r machine-learning svm libsvm 2017-09-26

    2熱度

    1回答

    Keras LSTM輸入功能和不正確的三維數據輸入

    所以我想練習如何在Keras和所有參數（樣本，時間步長，功能）使用LSTMs。 3D列表令我困惑。 因此，我有一些股票數據，如果列表中的下一個項目高於5的門檻值+2.50，它會購買或出售，如果它處於該閾值的中間，則這些是我的標籤：我的Y. 對於我的特徵我的XI具有[500，1，3]爲我的500個樣本的數據幀和每個時步爲1，因爲每個數據爲3個特徵1小時增量和3。但我得到這個錯誤： ValueErro
    machine-learning neural-network keras lstm 2017-09-26

    0熱度

    1回答

    交叉驗證後如何訓練最終的神經網絡模型？

    這是一個我不斷面臨的問題，但似乎無法在任何地方找到答案。我有一個700個樣本的數據集。因此，我必須使用交叉驗證，而不是僅使用一個驗證和一個測試集來近似估計錯誤。 我想用神經網絡來做到這一點。但是在用神經網絡進行CV並得到錯誤估計之後，我如何在整個數據集上訓練NN？因爲對於其他算法，如Logistic迴歸或SVM，不存在何時停止訓練的問題。但是對於NN，你需要訓練它直到你的驗證分數下降。因此，對於最
    python validation machine-learning neural-network conv-neural-network 2017-09-27

    1熱度

    1回答

    具有許多離散功能的機器學習數據集

    我正在使用包含許多帶離散輸出的變量的醫療數據集。例如：麻醉類型，感染部位，糖尿病y/n。爲了解決這個問題，我剛剛將它們轉換爲多個1和1的列，然後刪除一個以確保它們之間沒有直接關聯，但我想知道是否有更高效的方法來做到這一點
    python pandas dataframe machine-learning 2017-09-27

    0熱度

    1回答

    爲什麼此Kernel Density Estimation的值超過1.0？

    我試圖通過繪製它們的概率密度分佈來分析Pima Indians Diabetes Data Set（按照鏈接獲取數據集）的功能。我還沒有刪除無效的0數據，因此這些圖有時會在最左邊顯示出偏差。在大多數情況下，分佈看準確： 我與情節爲DiabetesPedigree，其示出了（在0.1和0.5之間對於x〜）超過1.0的概率的外觀的問題。據我瞭解，綜合概率應該等於1.0。 我已經分離出了代號爲Diate
    python matplotlib machine-learning probability-density 2017-09-27

    0熱度

    2回答

    XGBoost/CatBoost中含有大量類別的分類變量

    我對隨機森林有疑問。想象一下，我有關於用戶與物品交互的數據。項目數量很大，大約爲10 000個。我的隨機森林輸出應該是用戶可能與之交互的項目（如推薦系統）。對於任何用戶，我想使用描述用戶過去已與之進行交互的項目的功能。但是，將分類產品功能映射爲單熱編碼看起來效率非常低，因爲用戶最多隻能與幾百個項目進行交互，有時甚至可能只有5個。 您將如何去關於構建一個隨機森林時，其中一個輸入要素是一個具有〜100
    machine-learning random-forest xgboost categorical-data catboost 2017-09-27

    2熱度

    1回答

    任何人都可以解釋這種行爲的準確性和我的網絡損失？

    我使用this項目爲例（框架 - caffe，AlexNet的net-mod架構，400個圖像用於訓練）。我有這樣的結果： 或本： 求解：淨 net: "./CDNet/Models/train.prototxt" test_iter: 500 test_interval: 500 base_lr: 0.001 lr_policy: "step" gamma: 0.1 stepsize
    python machine-learning neural-network deep-learning caffe 2017-09-27

    4熱度

    1回答

    LightGBM中的交叉驗證

    通過閱讀LightGBM關於交叉驗證的文檔，我希望這個社區能夠闡明使用LightGBM交叉驗證結果和改進我們的預測。我們如何使用lightgbm.cv的字典輸出來改進我們的預測？ 下面是一個例子 - 我們用下面的代碼訓練我們的CV模型： cv_mod = lgb.cv(params, d_train, 500, nfold = 10,
    python machine-learning cross-validation kaggle lightgbm 2017-09-27

    3熱度

    2回答

    使用部分輸入向後運行神經網絡以找到所需的值

    給定一個訓練有素的系統，可以通過輸出值和部分輸入向後運行網絡以查找缺少的輸入值的值。這個操作有沒有名字？ 在一個帶有2個輸入神經元（值爲1和X）和一個輸出層神經元（值爲1）的訓練XOR網絡的示例中。如果有人想找到第二個輸入神經元的價值，他們可以反饋信息可以計算出它接近於0.這個操作到底叫什麼名字？
    machine-learning neural-network dataset deep-learning deeplearning4j 2017-09-28
最新問題