有关机器学习算法的实施问题。关于机器学习的一般问题应该发布到他们的特定社区。
我有下面的代码(使用sklearn),首先使用训练集进行交叉验证,并使用测试集进行最终检查。然而,交叉验证始终表现得更好,因为......
xgb.DMatrix 中的错误:xgb.DMatrix 不支持从列表构建
我正在尝试利用交叉验证来训练 xgboost 分类器。我将要提供的代码片段是一个更大脚本的组成部分,但它具体属于
移动网络准确率较高,但 val_accuracy 处于稳定状态
我在迁移学习 Mobilenetv2 进行食品图像分类时遇到问题。我最初使用的是 resnet,但面临着同样的过度拟合问题,但 mobilenet 运行得更快,所以我
我正在研究内核逻辑回归函数,但它们没有返回正确的预期预测。 它还抛出指数溢出警告,目前已被抑制 ...
AttributeError:“QuantumCircuit”对象没有属性“cnot”使用 qiskit.QuantumCircuit.cnot 时收到此错误
def ans(n, 深度): qc = 量子电路(n) 对于范围(深度)内的 j: 对于范围 (n) 内的 i: param_name = f'theta_{j}_{i}' theta_param = 参数(param_name) ...
如何使用 HuggingFace Transformers Pipeline 在每个提示(如 vLLM)中生成多个文本补全而不触发错误?
我正在使用 HuggingFace Transformers Pipeline 库为给定提示生成多个文本完成。我的目标是利用像 GPT-2 这样的模型来生成不同的可能完成......
我正在学习有序 logit 回归,我想知道预测在数学上是如何工作的以及我如何自己在 python 中完成它。我知道在 python 中我可以简单地使用预测...
混淆矩阵错误:错误:`data`和`reference`应该是具有相同水平的因素
我目前正在尝试构建一个神经网络来预测人们在数据中的排名。 等级系统为:A、B、C、D、E 一切都进行得很顺利,直到我陷入困惑……
Pycharm 调试不适用于 Tensorflow。我该如何解决?
我已成功安装以下内容: 张量流(最新版本2.16.1) keras(最新版本3.1.1 我使用的是pycharm 2023.3.5(社区版)。我有一些带有导入的代码行
我有一个每日数据的 NetCDF 文件。我将其转换为光栅堆栈,但其方向不正确(我已附上图像)。我该如何纠正它。我还附上了我的代码...
是否可以训练神经网络以输入随机森林分类器或任何其他类型的分类器(例如 XGBoost 或决策树)?
我想创建一个模型架构来预测未来的股价走势,如下所示: 该模型的目标是预测未来 3 个月内价格是上涨还是下跌。 我尝试过...
MNIST - mnist.train_images() 问题 - HTTPError: Forbidden
我目前正在学习神经网络,我想使用train_images()函数,但我无法这样做。如果我运行以下代码: 导入mnist 图像 = mnist.train_images() ,我会...
FileNotFoundError:[Errno 2]没有这样的文件或目录:'Models\model_new.json'
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ FileNotFoundError:[Errno 2]没有这样的文件或目录:'Models\model_new.json'[文本] 这是我在下面的代码中遇到的错误。怎么解决呢。吉...
使用 Tensorflow Estimator 打印额外的训练指标
有没有办法让 Tensorflow 在使用 Estimator API 时打印额外的训练指标(例如批量准确性)? 人们可以添加摘要并在 Tensorboard 中查看结果(请参阅另一篇文章),但我...
transform = [("ord", OrdinalEncoder(), ['工作', '教育']), ("ohe", OneHotEncoder(), ['联系人', '月份', 'poutcome'])] ct = ColumnTransformer(变换, 剩余...
我收集了一些有关食品评论的社交媒体评论,我计划进行方面基础情感分析。作为初始过程,我想将那些未标记的数据标记为一些
如何基于另一个张量创建张量 - 在实践中学习 PyTorch?
我正在使用 PyTorch 学习 IA 并实现一些玩具示例。 首先,我创建了一个一维张量 (X) 和第二个张量 (y),源自第一个张量: X = torch.arange(0, 100, 1.0).
我想提高准确性,并且我有不平衡数据集:akiec:229,bcc:360,bkl:769,df:81,mel:779,vasc:99。为了解决这个问题,我选择整合分类加权损失
xgboost 有一个参数 feature_weights 应该影响模型选择特征的概率,也就是说,我们可以给每个特征或多或少的权重,但似乎
我的任务是计算多标签分类中注释者间的一致性,其中每个示例可以分配多个标签。我发现 NLTK 可以根据差异来衡量一致性...