prediction

    0热度

    1回答

    从下面的代码预测区间,我试图找到预测区间(95%)时“循环”是0.5和20: AdvRev = read.csv(url("http://www.stat.tamu.edu/~sheather/book/data_sets.php/AdRevenue.csv"), header=TRUE) y = AdvRev$AdRevenue x = AdvRev$Circulation xsquar

    1热度

    1回答

    我有一个R中的二项式GLM,其中有几个预测变量是连续的和分类的。 响应变量是“Presence”,它是二进制的(0/1)。 长度是一个连续变量,而其他所有的都是绝对的。 我想绘制最终模型中每个变量的预测,特别是对于“长度”,但我有困难。 我的数据如下: MyData<-structure(list(site = structure(c(3L, 1L, 3L, 2L, 1L, 4L, 3L, 4L

    4热度

    1回答

    我是新的使用TensorFlow,我不知道如何分类与训练有素的模型的图片。我已经为我的训练和所有作品构建了火车,验证和测试数据集,但是我想要预测第二个测试数据集(称为test2)。我正在分类数字的图片。 我都试过,但它不工作: def train_and_predict(restore=False, test_set=None): """ Training of the mod

    1热度

    1回答

    我有一个使用Tensorflow的简单神经网络。 这里是会议: with tensorFlow.Session() as sess: sess.run(tensorFlow.global_variables_initializer()) for epoch in range(epochs): i = 0 epochLoss = 0 for _ in

    1热度

    1回答

    它可能是以前的帖子的重复,但这里是我的代码。 我的输入X是每个长度为10的字符序列,编码为1-26个数字,并添加随机噪声。输出是序列中的下一个字。 from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.layers.recurrent import LSTM

    -1热度

    1回答

    训练数据集寻找药物的机器学习算法: -------------------- Patient Age: 25 Patient Weight: 60 Diagnosis one: Fever Diagnosis two: Headache > Medicine: **Crocin** --------------------------------- Patie

    0热度

    1回答

    我想构建一个Jags模型,并找到测试以及贝叶斯数据分析的先验。 我的模型有3个预测变量x1, x2, x3,结果是伯努利分布变量Y。 如何定义先验概率P(Y=1|X1), P(Y=1|X2), P(Y=1|X3)三个预测因素影响结果Y? 我的数据基于矩阵nXr, n=1920 r=4 columnsX1, X2, X3 and Y。

    1热度

    2回答

    我可以用这种方式分解的时间序列数据 - from statsmodels.tsa.seasonal import seasonal_decompose decomposition = seasonal_decompose(ts) trend = decomposition.trend seasonal = decomposition.seasonal residual = decompo

    3热度

    1回答

    我已经在我自己的数据集中训练了张量流中的InceptionV3模型。我有训练中的检查点文件和图形(.meta)。我正在使用这些文件来分类新图像的标签。到现在我有以下几点:从TFslim inception_v3代码 def inception_v3(inputs, dropout_keep_prob=0.8, num_classes=1000,

    1热度

    1回答

    我试图预测,使用R代码的时间序列残差的残差。我的数据集有以下两列(我会放一个样品与第10行): Observation Residuals 1 -0,087527458 2 -0,06907199 3 -0,066604145 4 -0,07796713 5 -0,081723932 6 -0,094046868 7 -0,101535816 8 -0,101884203 9 -