回答情况：
提问时间：
问题标签：
我是使用python进行机器学习的新手。我想创建一个ML应用程序，通过不同的声音进行不同的分配。我想用麦克风读出声音并对其进行分类。
浏览 12提问于2019-11-18得票数 1
回答已采纳
我对这些话题还是个新手。我研究了很多关于这个问题的文章。有很多不同的技术。但是我很困惑，因为我不知道从哪里开始。然后我开始统计计算进行处理。
浏览 4提问于2018-10-18得票数 0
我正在处理包含来自40个不同通道的1 1Hz传感器数据的数据集。这些车辆有不同的型号和类型。这些车辆经历了常见的故障，如喷油器故障，变速器故障等。有没有一种方法可以根据传感器数据模式对车辆进行聚类？
浏览 16提问于2019-10-24得票数 0
0回答
数字化如何和ai结合赋能实体行业？
智能制造、AIGC、行业、计算机视觉、系统
智能制造领域，数字化（IoT传感器、MES系统）与AI（机器学习预测模型、计算机视觉缺陷检测）如何协同实现生产线的预测性维护和产品质量的实时全检，从而显著降低设备停机时间和废品率
浏览 111提问于2025-07-19
现在，我有了一个机制来预测一个员工完成任务的可能性(百分比) --假设我有四个这样的机制，每个机制输出自己的概率。
谢谢你的帮助。
浏览 3修改于2017-10-05得票数 0
回答已采纳
我正在尝试使用预测-预防异常检测和解决模型，对于该模型，我想列出所有影响Azure数据服务(数据湖、数据工厂等)工作的错误/参数，并可能导致服务失败，即那些可能在未来发生的问题，例如容器大小达到其最大限制我已经尝试过Microsoft文档和与每个特定服务相关的文章中列出的大多数问题/错误，但它们都属于反应性维护(反应性异常检测和解决)。
浏览 8提问于2021-11-16得票数 0
我有800个文本特征列的列表，这些列对预测模型有实际的特征重要性贡献。我只想保留这800列，删除剩余的1200列，因为它们对我的预测没有太大贡献。
我怎么能做到这一点。我有要在文本文件中维护的列的列表。
浏览 7提问于2017-12-11得票数 0
我遇到过它提供了数字双胞胎的实现，但我没有发现kaa只将设备数据注册为数字双胞胎，或者可以为预防性维护产生统计分析。我们的应用程序需要对作为数字双胞胎收集的设备数据执行预测/统计分析，以识别任何故障情况。
浏览 5修改于2018-09-07得票数 0
在每个维护周期之后，信号总是在下降之前上升，直到发生维护，这将导致信号再次增加。我正在尝试预测信号，看看如果我计划将来的维护，信号会发生什么情况。我是时间序列的新手，我不确定应该使用哪种模型来预测数据。我研究了交叉相关，但它似乎没有考虑到任何会影响信号的事件，比如我的问题。我只是在每个维护事件之后发生了什么，信号在每个维护周期之后一直遵循着类似的趋势，在每个维护周期之后，信号会上升和下降。有什么建议吗？
浏览 1修改于2020-01-19得票数 1
我正在与一家公司合作一个项目，开发用于预测性维护的ML模型。我们拥有的数据是日志文件的集合。在每个日志文件中，我们都有来自传感器(温度、压力、MototSpeed等)的时间序列。这里的目标是构建一个模型，该模型将使用日志文件作为其输入(时间序列)并预测是否会出现故障。为此，我有一些问题: 1)能够做到这一点的最佳模型是什么? 2)处理不平衡数据的解决方案是什么？因此，模型总是预测0。解决方案是什么？
浏览 4提问于2020-06-02得票数 0
在本指令完成之前，所有Cache、分支预测器和TLB 维护操作。
等等，缓存、分支预测器和TLB 维护到底意味着什么？这意味着脸红吗？这是否意味着DSB指令本身可以触发这样的冲洗？还有什么被认为是维护？
浏览 2修改于2018-10-17得票数 1
回答已采纳
我们的bug跟踪系统中有“优先级”和“严重性”字段。我们将严重性定义为“它如何影响用户”，优先级定义为“它如何影响产品”。当我们使用优先级和严重性的定义时，代码改进会得到两者的最低值，除非您在图中引入一些难以预测的长期效益。未来的维护将花费较少的时间，从长远来看，节省的费用将是可观的。
或者你认为永远不应该创建这样的任务，而这样的改进仅仅是“按需”执行的，“当与
浏览 0修改于2012-03-09得票数 15
回答已采纳
我目前正在研究一个使用随机森林分类器的疾病预测机器学习模型。我输入症状，然后程序应该预测疾病。预测没有问题，但我想计算每个预测值“一个一个”的准确性。例如，该项目预测“结核病”为一种疾病。然后，我要计算这个预测的准确率。(只有预测值结核病的准确性。)如何逐个计算每个预测值的准确性？
浏览 2提问于2021-05-12得票数 2
回答已采纳
目标是我不希望我们的服务器逻辑和数据库设计被云函数和Firestore锁定，也不希望长期可维护性。(这是写模型)这是实现我的目标的好主意吗？
浏览 0修改于2020-11-13得票数 0
我已经理解了解释还是预测？论文中的以下段落: Galit。
在解释性建模中，由于统计能力的降低，数据分区是不常见的比预测建模。当使用时，它通常用于评估ˆf的鲁棒性。数据分区在解释性建模中的一种罕见而重要的用途是通过展示一定的预测能力来增强模型的有效性。虽然人们不会期望一个解释模型在预测能力方面是最优的，但它应该显示出一定程度的准确性。我理解为什么数据分区在预测模型中是有用的，这就是评估模型的泛化能力。然而，在解释模型
浏览 0提问于2018-04-09得票数 0
回答已采纳
在预测之后，feature_importances_ (特别是GradientBoostingClassifier，但可能存在于其他方法)具有重要的特性。根据文档，越高，特性就越重要。如果一个特征的重要性为0.02，那么它的重要性占所有特征的2%，但这与预测的准确性或预测相关性有什么关系呢？我能否解释这个数字，并明白删除这些特征会如何影响预测？
浏览 0修改于2017-07-31得票数 3
回答已采纳
例如，如果pH太低，设备将注入基本解决方案以维护7-7.5的pH。
第三部分根据所获得的参数(pH/浊度等)对湖泊的健康状况进行预测。预测算法应考虑到参数，并建立它们之间的相关性，以解释湖的持续时间。为了实现这一点，我目前倾向于使用反向传播神经网络(BPNN)，因为我发现许多其他人/研究所更喜欢NN进行水质管理。
浏览 2修改于2022-04-21得票数 4
回答已采纳
CA1505 : Microsoft.Maintainability：“公共”的可维护性索引为16。重写或重写该类型的方法以增加其可维护性索引(MI)。MI低于10表示可维护性较差，MI介于10和20之间表示中等可维护性，MI高于20表示可维护性较差。
如何制止这种侵犯，因为它是很难分裂的。
浏览 0提问于2017-04-21得票数 0
据我所知，决策树方法用于数据分析的主要局限性是：倾向于方差或水平更大的预测因子。对于样本容量小的响应，预测精度较差。它们对同质性、正态性、独立性等传统统计假设是否稳健？
浏览 0修改于2017-12-17得票数 4
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