cross-validation

    0热度

    2回答

    为什么K-Cross验证需要先适合？

    我得到了下面的代码中的错误，除非我做一个合适的SVC： 这SVC实例未安装呢。在使用此方法之前，请使用适当的 参数调用'fit'。 除非我这样做： clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train) 为什么我需要做一个交叉验证之前做一个合适的？ import numpy as np from sklearn import cro
    python scikit-learn cross-validation 2017-01-18

    1热度

    1回答

    与橙色python库交叉验证

    我尝试使用python包“橙色”进行交叉验证。 这个库看起来很不错，但是我有一些问题。 对于版本信息，我使用Python 2.7和Orange 2.7.8。 我的任务很简单。 我想验证模型与交叉验证与（1）离散化的数字属性和（2）功能选择。如你所知，在这里，在交叉验证循环中处理离散化和特征选择是很重要的。换句话说，对于每个交叉验证循环，（1）只对训练数据进行离散化处理，对测试数据使用相同的舍入切割
    python cross-validation orange discretization 2016-12-07

    0热度

    1回答

    从矩阵

    的给定元素创建褶皱我有一定数的数值向量： str(vector) int [1:15463] 389 1732 1737 2127 2205 3163 5166 5601 5981 6860 ... ，我想创建包含上述这些数字n折叠。 当我尝试与功能createFolds从caret包 flds <- createFolds(vector,10) 我只得到号码范围为1至length(ve
    r vector r-caret cross-validation 2016-12-12

    1热度

    1回答

    为什么xgboost.cv和sklearn.cross_val_score会给出不同的结果？

    我想在数据集上做一个分类器。我第一次用XGBoost： import xgboost as xgb import pandas as pd import numpy as np train = pd.read_csv("train_users_processed_onehot.csv") labels = train["Buy"].map({"Y":1, "N":0}) featur
    machine-learning scikit-learn cross-validation xgboost 2016-12-14

    4热度

    1回答

    使用keras进行K倍交叉验证

    似乎由于神经网络的运行时间很长，convn net中的k-fold交叉验证并未引起重视。我有一个小的数据集，我有兴趣使用here的示例进行k-fold交叉验证。可能吗？谢谢。
    keras cross-validation 2016-12-19

    2热度

    1回答

    处理过度拟合：数据扩大，交叉验证，旋转增强

    目前，我只是探索由tflearn（VGG.Net，GoogLeNet，ResNet等）提供的网络，并将它们应用到我的数据集（128 * 128单通道图像，925图像 - 增强前，5058图像 - 增强后，两类 - 癌性&非癌性）。 问题：训练准确性（〜100％）和验证准确性（〜70％）之间差异很大。我的方法：1）通过减少卷积核的数量来降低模型复杂度，2）减少完全连接层中的节点数量，3）扩大FC处的
    machine-learning rotation cross-validation 2016-12-23

    1热度

    1回答

    问题ROC曲线SVM模拟数据

    我正在模拟数据，我有一些问题。我正在尝试修复参数。 library(e1071) library(ROCR) set.seed(10) #function to generate data generate.data <- function(n){ x2 <- runif(n) x1 <- runif(n) y <- as.factor(ifelse((x2>2*x1)|(x2>(
    r cross-validation svm dataset simulation 2016-12-26

    2热度

    2回答

    RBF SVM参数在scikit中使用GridSearchCV（）学习.... TypeError：'KFold'对象不可迭代

    我试图找到最佳值的C &伽马SVR（）估计使用GridSearchCV（），但我得到这个错误 类型错误： 'KFold' 对象不是可迭代 此代码 from sklearn.grid_search import GridSearchCV from sklearn.model_selection import KFold C_range = np.logspace(-2, 10, 13) gam
    scikit-learn svm cross-validation grid-search 2016-12-31

    1热度

    1回答

    R中的多重线性回归的交叉验证

    我目前正在研究一个大学项目，以预测到达全天候商店的客户数量。我使用的是一家商店的数据，其中包含（某些年份）某一年每位客户的日期和时间。 我已经把这个数据集分成了一个训练集和一个交叉验证集。此外，我已经将训练集与同一年的天气数据进行汇总和合并，以找出例如高温导致更多客户的情况。 合并数据的简化版本看起来是这样的： | ServedCustomers | Month | Day | Hour | Te
    r regression forecasting cross-validation 2017-01-03

    2热度

    1回答

    替代sklearn.model_selection import GridSearchCV

    我试图从sklearn运行this example以更好地了解它们的TfidfTransformer从sklearn.feature_extraction.text。然而，我退回 Traceback (most recent call last): File "grid_search_text_feature_extraction.py", line 16, in <module>
    python scikit-learn cross-validation 2017-01-05
最新问题