prediction

    2热度

    1回答

    我正在尝试使用MLPRegressor来训练和测试我的数据集。我有两个数据集(训练数据集和测试数据集),它们都具有完全相同的特征列和标签。这是我的数据集的例子: Full,Id,Id & PPDB,Id & Words Sequence,Id & Synonyms,Id & Hypernyms,Id & Hyponyms,Gold Standard 1.667,0.476,0.952,0.476

    0热度

    1回答

    我正在使用scikitlearn进行svm分类。 我需要一个分类器,当给定的测试项目与任何训练集项目不匹配时,即当距离非常高时,返回默认值。那可能吗? 对于实例 比方说,我的训练集是 X= [[0.5,0.5,2],[4, 4,16],[16, 16,64]] 和标签 y=[0,1,2] 然后我跑训练 clf = svm.SVC() clf.fit(X, y) 然后我跑预测 clf.

    0热度

    1回答

    我正在尝试计算前滚一天前预测的预测性措施并绘制结果。 我对我下面的示例代码的几个问题: 我能做些什么来解决“更换具有长度零”误差低于? 如何输出各自日期的预测值的数组? 我怎样才能在一张图上绘制数据和预测? 这是在所述脚本的执行接收到的错误:在错误 错误[J - fixed.nTrain + 1] < - valid.ts - $ naive.pred意味着[stepsAhead]: 替换长度为零

    0热度

    1回答

    我从训练数据集中得到R中的所得回归系数。我现在想要使用它们并将它们应用于另一个数据集来预测值,但是某些X /独立变量有N/A或缺失值,这也导致预测值为N/A。我可以使用哪些命令,这样即使某些因变量信息丢失,predict()命令仍会预测该行的值?

    0热度

    1回答

    我想预测双分类问题的概率。以前我使用model.predict_proba或predict_on_batch来解决这个问题。现在我想在脚本中使用生成器,但是我找不到像evaluate_generator或predict_generator这样的生成器。 evaluate_generator或predict_generator都不会生成概率。 Keras中用于概率预测的生成器方法是什么?

    3热度

    1回答

    我使用model.load()加载keras中的模型,并发现第一个预测的计算时间比预测的时间长10倍以上,为什么会发生这种情况的任何想法或者使负载初始化第一预测周期加速的建议都将不胜感激。 我正在使用Tensorflow后端CPU处理。 感谢您的帮助, Denym

    0热度

    1回答

    我试图预测价格的特点。 我选择了一个非常简单的模型,但它很奇怪。损失函数非常高,我看不出问题在哪里。 这里是我的模型: ​​ 这就是我准备的资料:(一热,我分裂的所有数据进行训练和测试) df = encode_onehot(dataframe, cols=['Shape', 'Cut', 'Color', 'Clarity', 'Polish', 'Symmetry', 'Culet', '\t

    0热度

    1回答

    我目前正在尝试模拟事件的时间,其中有三个不同的事件可能发生。这是针对电信数据的,我想预测解锁客户的预期使用期限,因此客户的合约期已经结束,现在可以每月辞职。一旦他们的1年或2年合同结束,他们就会解锁客户,随着时间的推移,他们可以搅动,保留(购买新合同)或保持解锁的客户(因此我需要一个竞争风险模型)。 现在我感兴趣的是,直到发生这些事件之一的时间。我正在考虑使用Cox回归模型来找出协变量对生存概率的

    0热度

    1回答

    我尝试使用Python中随机森林,乘坐火车和测试数据集建立的预测模型是初学者。 train [“ALLOW/BLOCK”]可以取4个期望值中的一个(所有字符串)。测试[“ALLOW/BLOCK”]是需要预测的。 y,_ = pd.factorize(train["ALLOW/BLOCK"]) y Out[293]: array([0, 1, 0, ..., 1, 0, 2], dtype=i

    1热度

    1回答

    这是一个新问题,但我是一个新手。所以,我可以沿着确定这个例子上建立的预测模型如下: https://machinelearningmastery.com/machine-learning-in-python-step-by-step/ 我的问题是,现在我有这个模型构建的,我怎么能手动将这些值传递给看到什么样的虹膜这是:[5.1,3.5,1.4,0.2]。 我知道我需要使用model.predict