回答情况：
提问时间：
问题标签：
我一直在研究scikit学习典型相关分析( CCA )算法，我遇到了“权重”和“旋转”这两个术语作为CCA模型的参数。共同国家评估的权重和轮调之间有什么区别，它们之间有什么关系？
浏览 0提问于2023-01-10得票数 1
我想保存所有的模型参数(优化器，学习率，批大小等)。以及模型体系结构(层的数量和类型)和模型，这样以后再回过头来分析为什么某些模型工作得更好。
有一个简单的方法来存储这些元数据以及权重吗？
浏览 0提问于2017-08-13得票数 0
我用R中的来分析的社会调查。调查的指定(在第45页)权重已被缩放为平均值为1。当使用svydesign()函数时，我将权重变量传递给weight参数。在中，在surveysummary()函数下，它声明：
任何帮助都将不胜感激！谢谢!
浏览 7提问于2021-08-14得票数 0
回答已采纳
我有一个旧的线性模型，我希望改进使用XGBoost。我有旧模型的预测，我希望用它作为基数。此外，由于我建模的本质，我需要使用权重。在对新的XGBoost模型进行数据培训时，我会这样做：
xgb_model = xgb.XGBRegressor(n_estimators=25,但是，当我需要指定权重和基准裕度时，如何进行交叉验证或样本外分析？base_margin在XGBRegressor()中的等价形式是参数base_score，但是没有关于权重的论证
浏览 3修改于2022-06-07得票数 5
回答已采纳
我想通过通过类或样本权重重新平衡数据集，在0.5%的正类数据集上运行一个逻辑回归。我可以在scikit学习中做到这一点，但它没有为模型提供任何推断统计数据(置信区间、p值、残差分析)。在状态模型中可以这样做吗？我看不到sample_weights或class_weights在statsmodels.discrete.discrete_model.Logit.fit中的参数
谢谢!
浏览 2提问于2015-11-09得票数 3
回答已采纳
当我们建立一个模型并训练它时，初始权值被随机初始化，除非指定(种子)。
如我们所知，有许多参数，我们可以调整，如时代，优化，batch_size等，以找到“最佳”模型。我遇到的问题是:即使我们在调优后找到了最好的模型，权重也会不同，产生不同的模型和结果。因此，如果我们用“最佳参数”编译并再次运行它，那么最好的模型可能就不是最好的了。如果我们在权重中添加可重现性的参数，我们就不知道这些参数是否是最佳的
浏览 0修改于2020-07-31得票数 0
回答已采纳
1回答
因此，我需要考虑样本权重和其他调查设计特征(例如，取样层)。我是这个方法的新手，所以如果这里的答案很明显的话，我很抱歉。我成功地运行了路径分析模型，使用了“lavaan”包和“lavaan.survey”包。然而，我的一些模型只涉及数据的一部分(例如，只有女性参与者)。如何调整样本权重，以反映我只分析子样本(如女性)的事实？
浏览 4修改于2019-05-27得票数 0
回答已采纳
我有一个咖啡馆项目，我已经获得了一个prototxt模型描述和一个caffemodel调优参数文件(大约16Mb大小)。有没有一种简单的方法可以从静态分析或运行时找出模型中有多少神经元和权重？
浏览 8提问于2016-07-07得票数 0
回答已采纳
我只是想知道，在模型优化时，保存模型状态的最佳方法是什么。我想要这样做，这样我就可以运行它一段时间，保存它，然后稍后再回来。我知道有一个函数可以保存权重，另一个函数可以将模型保存为JSON。在学习过程中，我需要同时保存模型的权重和参数。这包括动量和学习速率等参数。是否有方法将模型和权重保存在同一个文件中。我读到，使用泡菜被认为不是很好的做法。此外，模型JSON或权重中还会包含对于g
浏览 3提问于2016-05-10得票数 6
回答已采纳
我使用权重和偏差()来管理超参数优化和记录结果。我正在使用带有Tensorflow后端的Keras进行培训，我使用的是随箱即用的重量和偏差日志功能，我在其中运行。默认情况下，权重和偏差似乎保存模型参数(即模型的权重和偏差)，并将它们存储在云中。这消耗了我帐户的存储配额，这是不必要的--我只关心跟踪模型的丢失/准确性，这是超参数的一个函数。我是否有可能训练一个模型，用权重和偏差记录损失和准确
浏览 4提问于2022-04-25得票数 3
回答已采纳
我正在训练一个神经网络模型，我的模型很好地符合训练数据。训练损失稳定下降。一切都很好。
然而，当我输出模型的权重时，我发现由于随机初始化(我没有使用任何预先训练过的权重)，模型没有发生太大的变化。默认情况下，在PyTorch中初始化所有权重)。训练数据的准确性从50%提高到90%，各维度的权重变化仅为1%左右。如何解释这一现象？重量的尺寸太高了吗?我需要缩小模型的尺寸吗？我知道这是一个相当宽泛的问题，但我认为，在这里展示我的模
浏览 1修改于2018-10-31得票数 1
回答已采纳
最后，我需要的是国家方法(但我想控制个人水平的变量，所以我有国家净效应，因为我想分析教育系统的特征)。我目前正在使用ranef从lmer多级模型中获取它们(使用(1|CNT/SCHOOLID)和(1 |CNT)嵌套)。我现在明白了，我应该使用参议院权重，而不是学生的最终权重(到目前为止，这不是问题，我可以将其包括在lmer中)。如果我使用mitools和lmer，我有一个多层模型(具有参议院权重)和合理的值，但不是repweight。由于我没有在我的进一步分析
浏览 25提问于2020-07-15得票数 0
我有一个h2o深度学习模型，"model1"，很好地概括了这个模型。不幸的是，在构建模型时，我忘记设置导出权重和偏差= TRUE。我尝试用所有精确的参数、种子和数据集对许多模型进行再培训，就像在原始model1中添加的集导出权重和偏差一样。
不幸的是，这些新模型的none都很好地推广了。事实上，尽管所有的模型都能很好地训练、验证、交叉验证和测试，但它们都很难推广。我甚至尝试过指向原始的model1，这样我就可以添加
浏览 2提问于2017-06-03得票数 1
1回答
在Pytorch中，我们加载预训练模型，如下所示： net.load_state_dict(torch.load(path)['model_state_dict']) 然后，网络结构和加载的模型必须完全相同但是，是否可以加载权重，然后修改网络/添加额外的参数？注意:如果我们在加载权重之前向模型添加额外的参数，例如 self.parameter = Parameter(torch.ones(5),requires_grad=True) 当加
浏览 43修改于2019-05-14得票数 2
1回答
如我所知，我们通过改变迭代中的权重参数来优化我们的模型。目的是最大限度地减少损失，最大限度地提高精度。
我不明白为什么我们使用损失作为参数，如果我们有准确性作为参数。我们能否只使用我们的模型的准确性和下降损失？有了精度，我们也可以改变模型的权重吗？
浏览 3修改于2021-12-25得票数 -1
条件购物车中的“权重”和“权重”是什么？ 我正在使用购物车通过递归分区来分析一个小数据集(N=70)。具体地说，ctree函数形成了R中的party包。 我对什么是“权重”和“权重”有点困惑。据我所知，他们将每个节点中的最终观察值称为“权重”。但是，也可以将“权重”设置为使用条件树的模型中的重要性度量，我称之为“统计权重”。我将一个分类变量设置为“统计权重”，我不确定软件在后面做了什么，但是每个节点的样本大小(N=“
浏览 30提问于2021-04-27得票数 0
我想将权重传递给tensorflow.contrib.layers.conv2d。这些层具有参数weights_initializer。当通过weights_initializer=tf.constant_initializer(tensor)传递张量时，张量作为节点被额外添加到图中，导致模型的大小增加。是否有权重初始化的替代方案？ 我知道tf.nn.conv2d接受权重作为参数。然而，我正在使用的当前模型使用的是contrib-layer。
浏览 29提问于2019-05-18得票数 1
回答已采纳
使用以下方法保存Py手火炬模型(图、权重和偏倚)：满载：但是，如果参数被更改，模型将不会加载错误--例如： size mismatchfor conv1.weight:
是否可以在改变大小的情况下加载到模型中？在初始化(如果有更多的<
浏览 0修改于2019-07-01得票数 1
回答已采纳
我正在学习kNN模型的超参数，我遇到了“距离”和“均匀”权重函数参数。 我的理解是，权重函数将在模型经过训练后用于计算预测(通过对邻居的投票进行加权)。因此，我的问题如下： 我对权重函数的理解是否只用于预测(而不是在训练期间)？ 似乎使用'distance‘总是给出接近100%的训练准确率，这是否意味着使用'distance’函数会导致过度拟合？
浏览 74修改于2021-02-05得票数 1
我正在寻找一种高斯混合模型聚类算法，它允许我设置相等的分量权重和共享的对角协方差。我需要分析一组数据，但我没有时间自己编写代码。
浏览 1修改于2013-07-05得票数 0
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