回答情况：
提问时间：
问题标签：
1回答
我已经在Python中运行了随机森林模型。我需要将TP、FP、FN和TN数据存储在数据中。cf_matrix_train['TP'] = cm_train[1][1] print(cm_train)
虽然生成了这四个模型，但只有最后一个模型输出保存到dataframe "cf_matrix_train“中。
浏览 3修改于2022-04-12得票数 0
回答已采纳
1回答
我希望使用不平衡的数据集评估三个模型，即LogisticRegression，SVM和Random Forest。我决定使用一种条纹化的方法。在这种情况下，如何使用相同的拆分来评估我的三个模型？
浏览 19提问于2021-01-30得票数 0
回答已采纳
构建模型:对于参数设置、模型和模型描述，应该报告什么？我使用网格搜索来调优超参数。评估结果:对数据挖掘结果的评估应该报告什么？📷📷
对测试数据集的最终模型评估是评估结果的一部分，还是应该对新数据进行评估？
浏览 0修改于2018-06-17得票数 3
目前，我正在建立作为我们的团队ML平台的Sagemaker，我们希望将模型评估度量与模型本身一起存储。我们的目标是在Sagemaker中建立模型，这样我们就可以将其部署为端点。
提前感谢！
浏览 4提问于2022-09-28得票数 0
我将所需的模型放在节点变量map中，实际上th:object确实找到并检索了该对象，但th:field似乎并不关心，它以一个根据我的理解(一步一步调试)，在我看来th:字段只在请求上下文中搜索模型。
浏览 0提问于2014-07-25得票数 1
1回答
我正在训练一个模型，通过Keras执行二进制分类。在我的模型训练完成后，我尝试评估它，如下所示： # Evaluate the modelloss, acc = model.evaluate
浏览 23修改于2020-01-21得票数 0
回答已采纳
1回答
我有一个门控递归单元(GRU)模型，我做了两个版本，每个版本略有不同。当我运行这两个版本时，版本1给我的验证均方误差(MSE)是0.0013，而版本2给我的是0.0015。这意味着版本1是一个更好的模型。我的问题是，在使用测试数据框架进行预测时，哪个版本被认为是更好的版本，哪个版本提供了更好的验证MSE，或者哪个模型提供了较低的MSE 谢谢。
浏览 21修改于2020-03-14得票数 0
回答已采纳
1回答
假设我们已经训练了一个模型(由它的超参数定义)，并使用某种性能度量(比如R^2)在测试集上对它进行了评估。如果我们现在在不同的训练数据上训练相同的模型(由它的超参数定义)，我们将得到(可能) R^2的不同值。我说的不是超参数调优。我的问题
浏览 0提问于2022-04-14得票数 1
2回答
0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))根据的说法
当你执行k折叠简历时，你会得到模型误差的为了检验你的模型偏差，找出所有e_i值的平均值。如果这个值很低，它基本上意味着你的模型平均误差很小--间接地确保了模型对数据的理解足够准确。以虹膜数据集支持向量机为例，其均值为0.98，这是否意味着我们的模型不够灵活？
浏览 0修改于2018-07-10得票数 2
据我所知，loss值被用于评估训练阶段的模型。但是，当我将Keras模型评估用于测试数据集(例如，m_recall.evaluate(testData,testLabel) )时，也存在loss值，并伴随着类似下面的输出的accuracy值。准确性评估对我来说似乎很好(例如，0.9523 in m_acc)，但我也担心loss，它是否会使我的模型表现糟糕？P.S. m_acc，m_recall等就是我给我的模型命名的方式(他们在GridSearchCV中接受了不同的度量
浏览 0修改于2018-11-27得票数 5
回答已采纳
无论如何，我的问题是，无论我如何设计我的模型，我总是得到相同的验证精度，每个时期对应1/13 (或者简单地猜测每个表情符号属于同一个类)。我的模型是这样的：model.add(Conv2D(16, kernel_size=3, activation="relu", input_shape=IMG_SIZEvalidation_generator,
浏览 0提问于2019-09-12得票数 0
在堆栈溢出问题()中，有一个使用createTimeSlices进行模型培训和参数优化的交叉验证示例： library(ggplot2)
因为我的数据是时间序列的，我想我不能使用引导来将数据分割成训练和测试集。所以，我的问题是:我是对的吗？如果是这样的话-如何使用createTimeSlices进行模型评估？
浏览 6修改于2018-11-16得票数 20
回答已采纳
我在TensorFlow中有一个图表，我已经根据成百上千个时期的32个观察值对其进行了训练。我现在想要根据训练好的图预测一些新数据，所以我保存了它并重新加载了它，但我被迫总是传递与我的批处理大小相同数量的观察值，因为我在我的图中声明了一个与批处理大小相对应的占位符。我怎样才能让我的图表接受任何数量的观察？下面是代码的一些重要部分的摘录。构建图表： with graph.as_default():
x = tf.placeholder(tf.float
浏览 0提问于2016-07-07得票数 4
回答已采纳
1回答
下面是代码的一部分；我想知道如何评估我的预测？如果，我想知道我的特性的重要性，是否有一个使用featureImportances of 的诀窍？我应该直接切换到而不是使用吗？总之，我只需要知道什么是最好的方法来评估我的预测。
浏览 0修改于2017-07-25得票数 2
回答已采纳
因此，为了建立语言模型，排名超过词汇表大小的不太频繁的单词被替换为'UNK‘。
我的问题是，如何评估这种基于'UNK‘评估概率的语言模型？假设我们想在测试集上评估这样一个语言模型的困惑程度，对于模型未知的单词，我们得到的概率是基于未知单词的“袋子”来评估的。这似乎有问题，因为如果我们将词汇表大小设置为1，即所有单词都是未知的，那么这个无能为力的语言模型的困惑程度将为1。
浏览 4提问于2017-10-12得票数 0
在我的数据集上，我从模型动物园训练了一个深入的学习模型。我在用谷歌Colab。训练结束后，我想对我的模型进行评估。我正在使用coco检测指标。我使用下面的脚本来评估我的模型，
!但出于学术目的，我希望在所有检查点上得到这些指标，以得到我的模型随着时间的推移是如何改进的图表。有可能做到这一点吗？还是可以在TensorFlow 2对象检测API中同时进行训练和评估？
浏览 8提问于2021-05-06得票数 1
我有一个在keras中训练的模型，并保存为.h5文件。该模型通过tensorflow后端使用单精度浮点值进行训练。现在我想实现一个在Xilinx FPGA上执行卷积运算的硬件加速器。但是，在决定FPGA上使用的定点位宽之前，我需要通过将权重量化为8或16位数字来评估模型精度。我遇到了，但我不确定如何从每一层获取权重，量化它并将其存储在numpy数组列表中。在对所有层进行量化后，我希望将模型的权重设置为新形成的量化权重。有人能帮我做这个吗？
这就是我到目前为止一直在尝试将精度从float32降低到float
浏览 2提问于2018-10-15得票数 5
我试着比较三种模型：SVM、RandomForest和LogisticRegression。我有一个不平衡的数据集。首先，我将其拆分为80% - 20%的比率来训练和测试集合。我现在尝试做的是拟合模型并选择最好的模型。此外，我还想对每个模型使用网格搜索，以找到最佳参数。, y_train_2, y_test_2 = X[train_index], X[test_index], y[train_index], y[test_index] 我如何使用所有的折叠来拟合一个模型
浏览 36提问于2021-01-30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