prediction

    2热度

    1回答

    预测考虑到可以通过创建模型列表: fits = vector(mode="list",length=10) for(i in 1:10) { fits[[i]] = lm(nox~poly(dis,i),data=Boston) } 其中,用于Boston数据集,可以在MASS库中找到。现在 ,为了做出预测: dislim = range(Boston$dis) dis.gr

    0热度

    1回答

    我对预测算法有这样的想法,该预测算法基于来自被选集合中的项目的先前出现的序列的准确度来预测随机值,并分析该模式以提高准确度。 所以基本上一个接受两个参数的算法,一个是一组可能的选择;另一个是这些数字的历史,分析该模式并预测序列中的下一个数字。 这对其他人有意义吗? 如果是这样,那么您将如何编写这样的算法? 你会说什么语言? 目标是重叠样本集中的模式识别,找到相关性并建立一个方程来预测某种程度的准确

    0热度

    1回答

    我使用了两种方法来计算randomForest上训练集的AUC,但我得到了非常不同的结果。这两种方法如下:计算车组的AUC的 `rf_p_train <- predict(rfmodel, type="prob",newdata = train)[,'yes'] rf_pr_train <- prediction(rf_p_train, train$y) r_auc_train[i] <- p

    0热度

    2回答

    我有一组预测是部分相关的,我想将它们减少到一个功能集并使用简化模型进行预测。我能找到一个很好的拉姆达使用 > require(glmnet); require(glmnetUtils) > cvfit <- cv.glmnet( + SpeakerGroup ~ Age +transient_mean +syllablerate+syllablerate_sd+intensitysfract

    2热度

    1回答

    最近我强迫我的神经网络学习异或函数,但现在我想预测给定日期的货币汇率。对于XOR函数来说很容易,因为输入和输出落在[0; 1)之间。 汇率: 应该对输入和输出进行归一化处理吗?如果是的话如何?网络应该有多少层?有多少输入 - 我在考虑1个输入(时间或某种表示)。 我打算使用:多层网络,sigmoid函数,带有nesterov动量的梯度下降。

    1热度

    1回答

    我努力做到以下几点: vc = VotingClassifier(estimators=[('gbc',GradientBoostingClassifier()), ('rf',RandomForestClassifier()),('svc',SVC(probability=True))], voting='soft',n_jobs=-1) params

    0热度

    2回答

    我正在写一个python程序,要求你预测死亡。你从5欧元开始,如果你赢了,你可以赢得5欧元,如果你是1欧元,则赔1欧元,如果赔率超过1欧则赔3欧元。 def main(): while True: saldo = 5 y = input("[R]oll or [S]top") if y == "r" : p = input("What

    2热度

    2回答

    我想基于JavaScript中的过去利润来对未来的组织进行简单的利润预测。我的数据集的日期是x轴,利润是y轴。我是数据分析的新手,基本上我没有知识,我不确定哪种预测算法最适合。 我做了一些研究here和here,发现我实际上可以使用线性回归预测算法。但是,从这些例子中,我只看到预测算法只是根据数据绘制一条直线来找出回归值,并且它根本没有预测任何未来值。 我不知道上面提到的算法是否适用于我的情况?

    1热度

    2回答

    我真的是python世界的新手。 我已经看到了在trainset和testset中分裂的例子。但仅限于数字类型。例如: import random with open("datafile.txt", "rb") as f: data = f.read().split('\n') random.shuffle(data) train_data = data[:50] test

    1热度

    3回答

    当y包含了新的标签,我有这样一个系列: df['ID'] = ['ABC123', 'IDF345', ...] 我使用scikit的LabelEncoder将其转换为数值被送入RandomForestClassifier。 培训期间,我做如下: le_id = LabelEncoder() df['ID'] = le_id.fit_transform(df.ID) 但是,现在的测试/预