多标签分类是指机器学习中为每个样本分配多个目标标签的问题,其中标签表示样本点的属性,不需要互斥。
我正在训练一个多标签分类模型来检测衣服的属性。我在 Keras 中使用迁移学习,重新训练 vgg-19 模型的最后几层。 总数
我的网络中有 1000 个类,它们具有多标签输出。对于每个训练示例,正输出的数量是相同的(即 10),但它们可以分配给 1000 个类中的任何一个......
sklearn.multiclass.OneVsRestClassifier 中的回调
我想使用回调和eval_set等。 但我有一个问题: 从 sklearn.multiclass 导入 OneVsRestClassifier 导入lightgbm 详细 = 100 参数 = { “目标”:“二进制”...
我尝试使用 torchmetrics 计算多标签输出的混淆矩阵,但出现以下错误: 文件“/home/antpc/.local/lib/python3.8/site-packages/torchmetrics/metr...
我目前正在尝试使用 Pytorch dendnet121 和 4 个标签(A、B、C、D)训练图像分类模型。我有224000张图像,每张图像都以[1,0,0,1]的形式标记(标签...
我正在使用法学硕士将产品分类为特定类别。多类别。 一种方法是询问特定类别是否是/否,然后循环遍历这些类别。 另一种方式
多标签数据集上的 XGBoost 出现 ValueError:预期类别 0-8,实际为 0-9
我在多标签数据集上运行 XGBoost 模型时遇到 ValueError。错误消息为: ValueError: 预期的类标签 {0,1,2,3,4,5,6,7,8},得到 {0,1,3,4,5,6,7,8,9} 我的数据集
我使用 LinearSVC 来解决多标签分类问题。由于LinearSVC没有提供predict_proba方法,所以我决定使用CalibrateClassifierCV将决策函数缩放为[0, 1]
我尝试为图像数据集创建一个CNN网络,该数据集包含20个文件夹中总共2280张图像(每个文件夹包含114张图像)。我已经处理了图像,从文件夹中读取图像并c...
班级数量必须大于1;在 sklearn 的 MultiOutputClassifier 上获得 1 门课程
我收到的错误是班级少于两个。这是代码的重要部分: texts = [train_data 中元素的元素['text']] 标签 = [元素['标签'] 如果元素['标签'] else [...
sklearn HistGradientBoostingClassifier 具有大量不平衡数据
我一直在使用 Sklearn HistGradientBoostingClassifier 对一些数据进行分类。我的实验是使用单标签预测(20 个标签)的多类分类。 我的经历有两种情况。
如果有人可以帮助解决以下错误消息,我将不胜感激。我的脚本如下: 从 skmultilearn.adapt 导入 MLkNN 从 sklearn.metrics 导入 hamming_loss、accuracy_score
我真的对多类和多标签术语感到困惑,我有一个数据集如下: fe_1、fe_2、lb_1、lb_2 12、34、一个、一个 34、56、C、C ... 要求是在lb_1或lb_2内,A,...
类型错误:classification_report() 需要 2 个位置参数,但给出了 3 个
返回metrics.classification_report(y_true, y_pred, labels, **kwargs) 类型错误:classification_report() 需要 2 个位置参数,但给出了 3 个 我们目前正在训练一个 CRF 模型,我们
我正在尝试在 3002 张图片的数据集上训练 CNN 模型,对于训练,我同时使用验证集和训练集,并且必须对 90 个类别进行分类。 课程不...
我有一个复杂的数据,其中只有两个特征和大约18211个标签(多标签回归问题)。这两个特征是分类数据,feature1有6个类别(A,B,C,D,E,F)和
定义自定义准确度分数:预测中包含的真实变化。 Numpy 实现?
我正在运行多标签预测模型。作为一项性能衡量指标,我正在检查模型的前 N 个预测是否包含 y=1 的真实情况。 例如,如果我的模型是顶级
我正在运行多标签预测模型。作为一项性能衡量指标,我正在检查模型的前 N 个预测是否包含 y=1 的真实情况。 例如,如果我的模型是顶级
有好心人知道如何使用可扩展的自定义图像来为每个图像创建单独的 json 吗? scalalabel 只为所有图像生成 1 个 json,而不是每个图像生成一个 json
我正在尝试运行一个使用简单变压器 Roberta 模型进行分类的服务。测试时,推理脚本/函数本身按预期工作。当我将其包含在 fa 中时...