supervised-learning

    7熱度

    1回答

    weka中看不到的名義值

    我有一個數據集，其中包含一些名義值作爲要素。我的訓練集具有一套在我的測試集中不存在的名義特徵的值。 比如我在訓練集功能相當於 @attribute h4 {br,pl,com,ro,th,np} ，並在測試組具有相同特徵具有 @attribute h4 {br,pl,abc,th,def,ghi,lmno} 我相信，正因爲如此，秧雞是不是讓我重新評估我在我的測試集上的訓練集上構建的模型。有沒有解決
    machine-learning weka supervised-learning 2013-11-28

    0熱度

    1回答

    迴歸樹與標準差減少

    我有一個1k記錄的數據集，我的工作是根據這些記錄做一個決策算法。 這裏是我可以分享： 的目標是連續值。 一些預測（或屬性）的是連續值， 它們中的一些是離散的，有些是離散值 （可以有多於一個選項） 我最初的想法的陣列分離離散值的數組並使其成爲單獨的特徵（預測因子）。對於預測變量中的連續值，我只想隨機選擇一些決策邊界，並查看哪一個最能減少熵。然後製作一棵決策樹（或隨機森林），在創建樹時使用標準偏差減少
    machine-learning supervised-learning 2013-10-16

    -2熱度

    1回答

    設計一個數據模型來預測函數總和的值

    我正在開發一個數據挖掘項目，我必須設計下面的模型。 我已經給4特徵X1，X2，X3和X4和這些 特徵使得每個功能取決於可用特徵的一些子集限定的四個功能。 例如 F1（X1，X2）= X1^2 + 2×2^2 F2（X2，X3）= 2×2^2 + 3×3^3 F3（X3，X4）= 3×3^3 + 4x4^4 這意味着F1是一些依賴於特徵x1，x2的函數。 F2是一些功能，這取決於x2，x3等等 現在
    machine-learning data-mining classification linear-regression supervised-learning 2013-11-05

    1熱度

    2回答

    使用SVC偏差結果的特徵向量中的值可能非常大（或非常小）？ [scikit學習]

    我想更好地瞭解如何我的特徵向量的值可能會影響結果。例如，假設我有一個最終值作爲結果下面的載體（這是使用SVC分類問題爲例）： 0.713, -0.076, -0.921, 0.498, 2.526, 0.573, -1.117, 1.682, -1.918, 0.251, 0.376, 0.025291666666667, -200, 9, 1 你會發現，大部分值中心的周圍0但是，有一個數值比
    vector machine-learning scikit-learn svc supervised-learning 2013-10-04

    0熱度

    1回答

    Weka實時監督式學習（在Android手機上）

    我想使用加速度計數據（嘗試）預測用戶正在做什麼活動（簡單活動）。假設我有一堆訓練實例，其中是一個訓練實例，而xn是類標籤。在訓練之後，我想要接收數據，進行轉換，然後實時（或接近）輸出活動的分類。 首先，有什麼建議？其次，我將爲訓練集設置班級標籤，但不包含測試集。我應該如何計算準確度。我不會只看標籤，因爲測試集沒有標籤。最後，我只想確保Weka不會抱怨測試集沒有任何類標籤。 我傾向於使用監督式學習，
    android weka decision-tree supervised-learning 2013-11-25

    0熱度

    1回答

    WEKA：如何區分「缺失」和「不適用」的數字數據？

    我是WEKA的新手。 在我的數據集中，我有一個屬性，其中的類型是數字。在數據集中，有特定的值表示爲「缺失值」和「不適用」。 例如 0-遺漏值 99999 - 代表不適用 對於「遺漏值」，我可以用它表示，但如何爲「不適用」「？」？ 我的問題是： - 1）我們如何告訴WEKA在計算mean或std dev時不要包含'Not Applicable'值？ 2）'不適用'值如何影響分類結果？ 謝謝。
    machine-learning data-mining classification weka supervised-learning 2013-10-21

    0熱度

    2回答

    可以訓練帶有標籤的訓練集的神經網絡，並使用沒有標籤的數據集對其進行測試？

    我有一個問題，一直非常執着。 我可以使用標記的數據集（即：包含目標信息的數據集）訓練神經網絡，然後應用另一個沒有標記的數據集？ 我想用我的例子來訓練網絡，但是在真實的情況下希望它能夠對例子進行分類（沒有關聯的目標）。例如： 訓練集： Var1 Var2 Var3 Var4 Target 1 2 3 1 blue 測試設置（沒有目標，其實這就是我想知道是什麼） Var1 Var2 Va
    neural-network rapidminer supervised-learning 2013-12-17

    9熱度

    4回答

    使用深度學習技術的監督學習（文檔分類）

    我正在閱讀關於深度學習的論文。他們大多數提到無監督學習。 他們還說神經元是使用無監督的RBM網絡預先訓練的。後來他們使用反向傳播算法（監督）進行了很好的調整。 那麼我們可以使用深度學習來解決監督學習問題嗎？ 我想知道深度學習是否可以應用於文檔分類問題。 我知道有很好的分類器可用。但我的目標是找出我們是否可以爲此目的使用深度學習。
    machine-learning neural-network deep-learning supervised-learning 2013-10-28

    7熱度

    1回答

    爲什麼DropOut不用於無監督學習？

    所有或幾乎所有使用退出的論文都將其用於監督式學習。它似乎可以很容易地用來調整深度自動編碼器，RBM和DBN。那麼，爲什麼不在無監督學習中使用輟學？
    machine-learning neural-network unsupervised-learning supervised-learning 2013-10-29

    1熱度

    1回答

    如何使用梯度下降優化方法從新數據中學習？

    考慮最終使用梯度下降優化方法的任何情況。假設你已經成功地創建了一個適合你的訓練集並且工作正常的假設。 經過一段時間後，您的算法會收到越來越多的新數據，它必須從中學習。 問題： 1）該算法是否可以繼續被認爲是監督？ 2）如果是這樣，是否有一種方法可以從新數據中學習，而不必重新遍歷所有（新+舊）數據？
    machine-learning gradient-descent supervised-learning 2013-09-28
最新問題