predict

    1熱度

    1回答

    我試圖預測csv格式的銅礦企業數據的數據集中未來的利潤數據。 我讀出的數據: data = pd.read_csv('data.csv') 我分割數據: data_target = data[target].astype(float) data_used = data.drop(['Periodo', 'utilidad_operativa_dolar'], axis=1) x_train

    0熱度

    1回答

    在我看來,我發現了在R的Caret包中的method = gbm的predict()函數的性能問題中的一個錯誤。我很想知道其他人是否同意,或者如果某人有解釋這個函數的行爲。 1.生成數據 library(caret) x1 <- rnorm(100) x2 <- rnorm(100, 2) y <- x1 + x2 + rnorm(100) df <- data.frame(x1=

    5熱度

    1回答

    我試圖根據各種其他因素預測呼叫中心的呼叫量。我有一個相當乾淨的數據集,相當小,但足夠。我能夠訓練和測試歷史數據並獲得分數,總結等。我對於我的生活無法弄清楚如何使用預測因子數據來預測未來呼叫。我下面的數據是: Date DayNum factor1 factor2 factor3 factor4 factor5 factor6 factor7 factor8 factor9 VariableToPr

    0熱度

    2回答

    ts()函數如何使用其參數frequency?將錯誤值分配爲frequency的效果如何? 我正在嘗試使用1.5年的網站使用數據來構建時間序列模型,以便我可以預測未來時段的使用情況。我正在使用日常數據。這裏應該是frequency - 7還是365或365.25?

    0熱度

    1回答

    我想使用mnlogit軟件包擬合模型並將其用於製作樣本外預測。 library(data.table) library(mnlogit) data(Fish, package="mnlogit") fish_dt <- data.table(Fish) rm(Fish) unique_id <- unique(fish_dt[, chid]) set.seed(54321) tr

    5熱度

    1回答

    我試圖在Windows機器上並行運行predict()。這適用於較小的數據集,但不能很好地擴展,因爲每個進程都會創建新的數據框副本。有沒有辦法在沒有臨時拷貝的情況下平行運行? 我的代碼(只有少數的this原代碼的修改): library(foreach) library(doSNOW) fit <- lm(Employed ~ ., data = longley) scale <- 100

    3熱度

    1回答

    我試圖根據已建立的線性模型&標準曲線將Absorbance(Abs)值轉換爲濃度(ng/mL)。我打算通過使用predict()函數來做到這一點。我無法使predict()返回所需的結果。這裏是我的代碼示例: Standards<-data.frame(ng_mL=c(0,0.4,1,4), Abs550nm=c(1.7535,1.5896,1.4285,0.9362)) L

    0熱度

    1回答

    我一直在使用Encog神經網絡工作臺(版本3.2)來運行太陽黑子預測程序,並且已經注意到,當將未來預測窗口改變爲大於1時,的結果sunspot_output.csv似乎是時間偏移,以便當網絡在評估時的輸出t = 0實際上不是(t + 1),(t + 2),(t + 3)等等。很可能我不是瞭解工作臺如何顯示結果所以也許有人可以爲我澄清這一點。 據我所知,如果你使用過去的窗口30和未來的窗口14,那麼

    0熱度

    1回答

    當我使用kernlab包中的ksvm運行SVM時,我最終模型中的predict命令的所有輸出都會縮放。我知道這是因爲我啓動了scaled = T,但我也知道在支持向量機建模中首選縮放您的數據。如何輕鬆告訴ksvm返回非縮放預測?如果沒有,是否有辦法將預測的縮放值操作爲原始值?謝謝你,代碼如下: svm1 <- ksvm(Y ~ 1 + X1 + X2 ,

    -5熱度

    1回答

    我有一個模型對象,我想將其應用於預測作爲列表存儲的新數據的數量(例如5)的值。所有數據長度相同,幷包含相同的三個預測變量。最後,我希望將預測值存儲爲具有與我在預測中使用的數據集(例如5)一樣多的列(或元素)的矩陣或列表。作爲R編程的全新手,我還沒有想出任何解決這個問題的辦法。