training-data

1熱度

1回答

將訓練數據添加到現有模型（bin文件）

我正在嘗試向nl-personTest.bin文件添加額外的訓練數據，其中OpenNLP。 現在是我的問題，當我運行我的代碼添加額外的訓練數據時，它將刪除已經存在的數據並只添加我的新數據。 如何添加額外的訓練數據而不是替換它？ 我沒有使用下面的代碼，（得到它來自Open NLP NER is not properly trained） public class TrainNames {

java text-mining training-data opennlp 2017-10-12

---

-1熱度

1回答

爲什麼50-50火車/測試分裂的工作最適合這個神經網絡的數據集的178個觀察？

數據集源：https://archive.ics.uci.edu/ml/datasets/wine 完整的源代碼（需要與NumPy，Python 3中）：https://github.com/nave01314/NNClassifier 從我讀過的東西，看來80％左右，培訓20％VA的分裂驗證數據接近最優。隨着測試數據集大小的增加，驗證結果的差異應以降低有效訓練爲代價降低（驗證準確度較低）。 因此

python validation neural-network classification training-data 2017-10-18

---

2熱度

2回答

張量流程中的默認在線或批量培訓

我有以下問題：我試圖學習張量流程，但我仍然沒有找到將培訓設置爲在線或批處理的位置。舉例來說，如果我有以下的代碼來訓練神經網絡： loss_op = tf.reduce_mean(tf.pow(neural_net(X) - Y, 2)) optimizer = tf.train.GradientDescentOptimizer(learning_rate=learning_rate) trai

python optimization tensorflow neural-network training-data 2017-10-20

---

0熱度

1回答

在張量流中餵食標籤的​​最佳方法

我有一個由圖像組成的訓練集，從女巫我必須預測由固定數量的字母和數字組成的標籤。 將這些標籤添加到張量流中的最佳方式是什麼？我想創建一個數字列表，其中一個用於標籤中的所有字符/數字。 我創建了一個清單，阿拉的可能值： __dict = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q

python tensorflow labels training-data 2017-10-28

---

1熱度

1回答

培訓準確性增加，測試準確性穩定

根據this文章訓練卷積神經網絡時，訓練集的準確性增加太多，而測試集的準確性穩定。 下面是與6400個訓練樣例，在每個曆元隨機選擇的一個例子（這樣一些實例中可能在先前時期中可以看出，一些可能是新的），和6400 相同試驗例。 對於一個更大的數據集（64000或100000個訓練樣例），訓練精度的提高更加突兀，在第三個時代將達到98。 我也試過使用相同的6400訓練例子每個時代，隨機洗牌。如預期的那

machine-learning tensorflow conv-neural-network training-data 2017-09-14

---

0熱度

1回答

斯坦福NER不會使用我的培訓文件，而是使用它的默認設置

我試圖訓練斯坦福NER分類器來識別文本數據庫中的特定內容。我製作了一個新的.prop文件和一個培訓文件，並且我得到了結果，但是如果我不經過訓練即可運行分類器，它們會成爲默認結果。我能做什麼來適應這個？ 這是我的代碼： import edu.stanford.nlp.io.IOUtils; import edu.stanford.nlp.ling.CoreAnnotations; import

java nlp stanford-nlp training-data 2017-09-15

---

1熱度

2回答

用輸入的字符串分割成trainset和testset

我真的是python世界的新手。 我已經看到了在trainset和testset中分裂的例子。但僅限於數字類型。例如： import random with open("datafile.txt", "rb") as f: data = f.read().split('\n') random.shuffle(data) train_data = data[:50] test

python prediction training-data 2017-09-18

---

1熱度

1回答

使用單標籤訓練數據的多類多標籤分類

我想用卷積神經網絡做多類多標籤圖像分類。 對於培訓過程，我打算使用單熱標籤來準備我的標籤。例如，有總共8個等級的是，和的樣本圖像可被分類爲類別2，4和6。因此，標籤將類似於 [0 1 0 1 0 1 0 0] 然而，該模型當前我的輸入管線捎帶上不會帶有多標籤的訓練數據。我的同事並沒有修改模型的輸入流水線，而是建議替代重複訓練數據。使用前面的示例，而不是使用3個標籤輸入一個訓練數據，而是輸入三個

neural-network conv-neural-network training-data multilabel-classification one-hot 2017-09-26

---

0熱度

1回答

訓練分類模型Opennlp

我試圖用下面的代碼來訓練一個模型，但我一直收到DocumentCategorizerME.train()方法的錯誤，它告訴我將factory更改爲doccatfactory。爲什麼？ public void trainModel() { DoccatModel model = null; InputStream dataIn = null; try {

java training-data opennlp 2017-10-06

---

1熱度

1回答

機器學習：按重要性加權訓練點

我有一組標記的訓練數據，我正在訓練ML算法來預測標籤。但是，我的一些數據點比其他數據點更重要。或者，類似地，這些點比其他點的不確定性更少。 是否有一種通用方法在模型中爲每個訓練點添加重要性代表權重？是否有一些具有這種能力的具體模型，而其他的則不是？ 我可以想象複製這些點（也許稍微塗抹它們的特徵以避免精確重複）或下采樣不太重要的點。有沒有更好的方法來解決這個問題？

machine-learning scikit-learn training-data 2017-10-06

---