回答情况：
提问时间：
问题标签：
2回答
元学习是机器学习理论的一部分，其中一些算法被应用于关于案例的元数据上，以改进机器学习过程。元数据包括所使用算法的属性、学习任务本身等，利用元数据可以更好地决策选择的学习算法，从而更有效地解决问题。
迁移学习的目的是改进学习新任务的过程，利用解决以前类似问题所获得的经验。在实践中，大多数情况下，机器学习模型都是为了完成单个任务而设计的。然而，作为人类，我们利用过去的经验，
浏览 7提问于2020-02-17得票数 1
回答已采纳
1回答
我尝试使用元学习(打包)，但失败了。Weka_control(W = J48)) : 我也尝试了几种不同的基础学习者如果你以前在RWeka中成功地使用了元学习，请让我知道。
浏览 1提问于2011-03-26得票数 5
回答已采纳
我正在学习集合学习方法，重点是随机森林和梯度提升。我读过关于这个主题的这文章和关于元学习的这文章。可以说，集合学习是元学习的一个子集？
浏览 0修改于2022-06-14得票数 1
回答已采纳
我想知道h2o.automl()使用哪些元学习器来构建集成。到目前为止，我见过的所有合奏都是GLM。是因为h2o.automl()只使用glm作为元学习器，还是由于基础模型的数量有限(我的设置是25 -50 )，glm总是最好的选择？
谢谢。
浏览 0提问于2020-07-24得票数 0
任何其他的解决方案/建议，以找到一个最佳数量的层使用元学习，也将不胜感激。我可以通过尝试和错误手动找到最优的层数，但是我希望元模型能够找到基于数据集的最佳层数。
浏览 11提问于2022-02-17得票数 1
我正在尝试提取makeStackedLearner函数(mlr包)的结果的系数，其中元学习器正在拟合GLM或类似的函数。了解系数对于了解哪些单个模型对最终预测的贡献最大非常有用。
浏览 14提问于2019-06-08得票数 2
7回答
在你看来，学习和使用元编程的最佳语言是什么(就简单性、可读性和代码优雅而言)？
我认为元编程是“编码的未来”。并不是说代码将会消亡，但我们可以看到新技术将出现这种情况。
浏览 0提问于2010-05-21得票数 19
考虑一个隐层前馈神经网络:如果每个隐层神经元的函数是相同的。如何使模型学习不同的权重值？我不知道人工建立神经元间联系的意义。如图片所示，通过这种方式，我们定义了功能的可能功能(即房屋大小和卧室数相加可能代表了房屋可能容纳的家庭大小)。但是完全连接的网络对我来说没有意义。由于不能回答这个问题，我也不明白为什么要增加神经元数量来提高模型预测的准确性
浏览 4修改于2020-05-13得票数 1
回答已采纳
我在更高的图书馆里读了这个例子，但在我看来，他们似乎忘了用meta_batch_size来除法，他们有：他们应该去的地方(qry_loss/meta_batch_size).backward()参考资料：
浏览 0修改于2022-11-01得票数 0
我是机器学习的新手，目前我正在使用山基劳恩的MLPClassifier进行神经网络任务。根据安德鲁·吴( Andrew )著名的机器学习课程，我正在绘制学习曲线，在我的例子中，我使用了山猫学习的函数learning_curve (另见文档：)：关于这种学习曲线的解释，我有两个问题：
1.)当我理解这个学习曲线时，它给出了到一个时代结束时不同数量的训练数据的训练和交叉验证分数(所有训练例子中的epoch=one向前传球
浏览 0修改于2019-01-24得票数 0
使用sklearn的PCA：mod = PCA()mod.components_将有5个组件，这对我来说很有意义，因为数据中有5个特性。假设mod.components_中的行对应于特性的数量，那么第二个示例中不应该有20个组件吗？难道不应该有和数据中的特性一样多的组件吗？
浏览 0修改于2020-09-03得票数 0
回答已采纳
如何在scikit-learn中用N二进制分类器构建元分类器，如果其中任何一个分类器返回1，该分类器将返回1。我可以自己写逻辑，但我想知道是否有内置的东西？
浏览 1修改于2019-04-08得票数 0
回答已采纳
我想直观地调整学习速度。
我给完全连接的层增加了更多的神经元？在卷积神经网络中，我在完全连接之前去掉了一个次采样(平均或最大池)层，并且增加了特征映射和softmax输出之间的完全连接单元的数量(这样就有更多的权值连接到顶部完全连接的神经元)？
浏览 7修改于2018-08-24得票数 9
回答已采纳
我运行pip3 install -U scikit-learn来安装Scikit-学习，但是它返回一个错误：
Preparing metadata (pyproject.toml) ... error
浏览 1提问于2021-12-01得票数 0
我试图为元学习创建一个数据加载器，但是我发现我的代码非常慢，我不知道为什么。我这么做是因为一组数据集(所以我需要数据加载器)是用于元学习的。
我想知道这是不是因为我有一个生成数据加载器的排序函数。
浏览 1提问于2020-07-03得票数 1
我希望有一个基于时间步长的自适应学习速度，而不是基于时间的学习速度，不像大多数调度程序是基于时间的。I have sampled batch states dqn.model.fit(batch_states, Q_states, verbose =0)
我想用这样的方式来安排我的学习速度，如果我说的是step%100==0，那么学习率就会以learning_rate/10的形式降低。
浏览 7修改于2021-01-02得票数 1
回答已采纳
我有一个学习人工神经元作为一个简单信号计数器的小程序:我的细胞有四根输入线(也称为树突)和一条输出线(也称为轴突)。如果至少有两个输入信号足够强，轴突就被激活。我认为神经元一旦连续“猜测”出了足够多的输出，就会被学习。private static boolean signalPasses(float output) { }我得到了这样的东西：
神经元在307毫秒内学习。
浏览 0修改于2015-07-30得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号