Результаты поиска по запросу "machine-learning"
stackoverflow.com/q/49734374/8371915
очная информация: я делаю простую двоичную классификацию, используя RandomForestClassifier из pyspark.ml. Перед передачей данных для обучения мне удалось использовать VectorIndexer, чтобы решить, будут ли функции числовыми или категоричными, ...
потому что старый код версии панд ниже
аюсь построить ARIMA для обнаружения аномалий. Мне нужно найти скользящее среднее графика временного ряда, я пытаюсь использовать панды 0,23 для этого import pandas as pd import numpy as np from statsmodels.tsa.stattools import adfuller import ...
Добавление количества каналов - это условия смещения.
ассчитать общее количество параметров в сети CNN вот код: input_shape = (32, 32, 1) flat_input_size = input_shape[0]*input_shape[1]*input_shape[2] num_classes = 4 cnn_model = Sequential() cnn_model.add(Conv2D(32, (3, 3), ...
, И да, ваше решение в этом другом ответе идет в том же направлении, я опробую его в будущем :) Я считаю, что было бы полезно добавить комментарий об обработке такого сценария, как ваш вариант 3) со ссылкой на ваш ответ, который Вы включены в комментарии
аюсь применить к моему набору данных как условное, так и горячее кодирование. Я знаю, что при применении вменения размер данных может измениться, поэтому я позаботился об этом вручную. Модель работала нормально, но потом я решил применить горячую ...
метод SMOTE, но imblearn.pipeline.Pipeline будет.
ю дело с несбалансированным набором данных и хочу выполнить поиск по сетке, чтобы настроить параметры моей модели с помощью gridsearchcv от scikit. Для пересчета данных я хочу использовать SMOTE, и я знаю, что могу включить это как этап конвейера ...
На самом деле все наоборот. Классификация обычно контролируется, а кластеризация обычно не контролируется.
кто-нибудь объяснить, в чем разница между классификацией и кластеризацией в интеллектуальном анализе данных? Если можете, приведите примеры того и другого, чтобы понять основную идею.
stackoverflow.com/questions/51542111/...
астройке гиперпараметров, чтобы моя модель работала лучше, я заметил, что результат, который я получаю (и, следовательно, модель, которая создается), меняется каждый раз, когда я запускаю код, несмотря на исправление всех начальных чисел для ...
Ниже показано, как выглядит моя функция ввода:
я большой набор данных (300 000 примеров х 33 000 функций), который, конечно, не умещается в памяти. Данные сохраняются в формате HDF5. Значения в основном нули (разреженные данные). Они выглядят так: Attr1 52 52 52 52 52 52 52 52 ... Attr2 umb ...
Именно так! Я забыл упомянуть об этом явно, но на самом деле AutoDiff строит график, который затем повторяется. Обратите внимание, что в правиле многомерной цепочки есть еще несколько деталей, которые также охватываются графом, но не упоминаются в ответе (в частности, если у вас есть несколько путей от x до z, скажем, через две разные переменные y1 и y2. Тогда ваша производная будет быть: dx / dz = dx / dy1 * dy1 / dz + dx / dy2 * dy2 / dz.
росто любопытно узнать, как PyTorch отслеживает операции над тензорами (после.requires_grad устанавливается какTrue и как он позже рассчитывает градиенты автоматически. Пожалуйста, помогите мне понять идею позадиautograd, Благодарю.
они делают это. Ваш ответ также фокусируется на изменении функции стоимости, а не на трансферном обучении. Ваш ответ на # 2 может быть улучшен с помощью ссылки на источник.
при чтении блогов о трансферном обучении говорится: удалите последний слой или удалите последние два слоя. То есть удалить выходной слой и последний скрытый слой. Таким образом, если трансферное обучение подразумевает также изменение ...