回答情况：
提问时间：
问题标签：
1回答
一个data.frame D1，有3行和3个colmuns，如下所示：a x 1 c z 3a_x a_1 x_1c_z c_z z_3
浏览 1修改于2017-08-11得票数 0
回答已采纳
1回答
我需要绘制各种q的mathieu特征参数。这个图应该显示“长笛”形状，从左边的宽到右边的很窄。下面的代码可以做到这一点，但是它也引入了一些带间跳变(从图中可以明显看出)。我怎么才能解决这个问题？
浏览 4修改于2015-01-30得票数 0
在谷歌速成班上，可以这样说：
如果我们从这两个特性( 一天中X型行为时间 )中构建一个特性交叉，那么我们最终将比单独使用这两个特性都具有更强的预测能力。为什么交叉特征比把它们作为个人特征要好呢？
浏览 0修改于2019-01-21得票数 1
1回答
我试图计算洛伦兹力，v x B，这意味着我必须取每一对行，计算交叉乘积。在Python中，这意味着只需执行numpy.cross(v, B)。
浏览 2修改于2017-11-15得票数 2
回答已采纳
2回答
然而，我也需要进行特征选择，因为我的数据集中有太多的特征，我担心如果我使用了所有的特征，我就会过度拟合。为了评估我的模型的性能，我还执行了5折交叉验证，我对以下两种方法的问题是正确的，为什么？1-如果我将数据分成两半，在前半部分进行特征选择，并使用这些选择的特征在剩余的一半上进行5折叠交叉验证( CV ) (在这种情况下，5 CV将使用完全相同的选择特征)。2-执行以下步骤：
1-将数据分成4/5用于训练，1/5用于测试2-将此训练
浏览 1提问于2013-10-29得票数 5
1回答
我试图在一个Eigen::MatrixXd dir的每一行与相应的Eigen::MatrixXd v0v2行之间进行交叉积，并将结果保存在另一个Eigen::MatrixXd pvec中。我总是可以做一个更脏的个人交叉产品元素，比如：
Vec3 crossProduct(const Vec3<T> &v) const { return Vec3<T>(y * v.z - z *
浏览 14修改于2017-04-07得票数 3
回答已采纳
1回答
我担心的是，产生的参数可能不是泛化的(也就是说，我太合适了)，因此，为了减轻这种情况，我想使用交叉验证。随机对500人进行分类，并将其分成一组测试和训练。
浏览 0修改于2022-02-26得票数 1
在使用Tensorflow的估计量和feature_column时，可以跨越一个范畴列和一个桶形连续列，而不是一个范畴和数字交叉。可以通过实现这个功能吗？
浏览 0提问于2018-10-16得票数 4
根据宁静BDD，每个场景都是可靠的。我正在使用SpringBoot集成@SpringBootTest我的问题是，这是否与BDD相反，即在多个特性文件或场景中维护一个数据？
浏览 3提问于2022-04-03得票数 0
在每个训练集上，我进行特征选择(使用chi.squared过滤方法)，然后用我的训练集和所选的特性生成一个SVMmodel。
最后，我变成了10个不同的模型(因为特征选择)。
浏览 3提问于2013-12-03得票数 1
回答已采纳
我想使用RFECV进行特征选择，并提高我的模型的性能。我已经阅读了SciKit学习文档，但对于如何使用RFECV仍然有些困惑。data and labels
三个问题：
1)这是使用交叉验证和( 3)你还能推荐我尝试哪些其他的特征选择方法？到目前为止，我已经尝试过RFE和SelectKBest，但它们在模型准确性方面都没有给我带来任何改进。
浏览 5提问于2015-08-20得票数 1
我正在尝试使用交叉验证折叠来生成随机森林的特征重要性图。set_index('FEATURE')
importances.plot.bar()这会产生：
然而，我如何转换这段代码，以便为我将要创建的每个交叉验证折叠np.array(y)[test] rfc.fit(train_data, test_data)
例如，上面的代码使用交叉验证技术创建(3个折叠
浏览 13修改于2018-08-12得票数 2
回答已采纳
我使用了一个数据集并将其划分为一个培训和测试集，并希望使用交叉验证来实现forward selection、backward selection和best subset selection，以选择最佳的特性
浏览 1修改于2017-05-23得票数 3
回答已采纳
我看过几篇关于特征选择(包装器和嵌入式方法)的文章和例子，他们把样本数据分成训练集和测试集。我理解为什么我们需要使用交叉验证(将数据分成训练集和测试集)来构建和测试模型的分数(所提出算法的实际预测)。 但我不明白这样做的动机是什么？我们需要选择哪些特征没有真正的结果，那么它如何改进特征选择的过程呢？ 好处是什么？
浏览 37提问于2020-04-04得票数 0
我正在使用Kaggle上的泰坦尼克号教程熟悉scikit及其与熊猫的集成。我已经清理了我的数据，并想做一些预测。我可以调用管道拟合和转换来做这件事-不幸的是，我在尝试用cross_val_score做同样的事情时遇到了错误。代码如下： ('Age', None), ('Fare',None),
('Pclass'
浏览 0修改于2017-09-26得票数 1
假设我们有一个包含游戏时间表、玩家、团队的应用程序。您将如何构建应用程序/功能状态？app/│ ├── store/├── players/│ └── players.module.ts│ ├── store/└── app.module.ts但在比赛中，你会想要列出哪些球队打过.而且您很可能只
浏览 0提问于2018-11-19得票数 5
回答已采纳
1回答
我对特征选择、采样和交叉验证的顺序感到困惑，我的数据集有468行和23000列，其中269个属于I类，199个属于II类，当拆分训练和测试时，训练.Due中的数据有215个I类和159个II类，以减少样本数量我不得不对训练数据应用I)先应用过采样，然后应用特征选择技术，然后进行交叉验证:在交叉验证过程中，可能会由于过采样导致重复行而导致偏差。II)首先应用特征选择技术，然后进行过采样，然后进行交叉验证，这将导致与上述相同的偏差。III)首先应用特征选择
浏览 133提问于2020-08-12得票数 1
我想要构建一个使用交叉验证的分类器，然后从每个折叠中提取重要的特征(/coefficients)，这样我就可以查看它们的稳定性。目前，我正在使用cross_validate和管道。我想使用管道，以便我可以在每个折叠内进行特征选择和标准化。我被困在如何从每个褶皱中提取特征。我有一个不同的选择，使用管道下面，如果这是问题。coef_AttributeError: 'SVC' object has no attribute 'dual_coef_'
如果不
浏览 1修改于2019-06-13得票数 4
回答已采纳
1回答
带有交叉验证(RFEVC)的递归特征消除(RFEVC)不适用于多层Perceptron估计器(以及其他几个分类器)。
我希望在许多分类器中使用一个特征选择，执行交叉验证来验证其特征选择。
浏览 4提问于2016-12-11得票数 2
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