1
A
答えて
0
たぶんこれがベストアンサー:
をしかし、小さなデータセットと数値予測因子のために、あなたは一般的なR、ウェカなどの別のツールを使用したほうが良いと思いますかscikit-学びます。スタンフォードクラシファイアが輝いているのは、文字列からフィーチャを生成するための強力で柔軟な手段を備えた主にテキストデータを扱う場合です。しかし、数値変数がいくつかある場合は、それらを同時にスローすることもできます。
(スタンフォード分類器ページからの引用)
関連する問題
- 1. スタンフォード-nlpナイーブベイズ分類器トレーニング
- 2. NLTKのスタンフォードCoreNLPカセレス分類器
- 3. ナイーブベイズ分類器
- 4. nltk naivebayesテキスト分類用の分類器
- 5. スケーラブルニューラルネットワークsoftmax分類器
- 6. wekaのベースライン分類器
- 7. scikit平均パーセプトロン分類器
- 8. ナイーブベイズ分類器の精度
- 9. 分類器のWeka確率分布
- 10. バイナリ分類のためのマルチクラス分類器の訓練
- 11. NLTKによるセンチメント分類ナイーブベイズ分類器
- 12. Caffe Image分類されていない画像の分類器
- 13. 複数のSVM分類器(または「任意のML分類器」をscikit-learnを使用して組み合わせる方法「決定特徴分類器」
- 14. バイナリデータを持つナイーブベイズ分類器
- 15. Graphlab - どのようにランダムフォレスト分類器
- 16. SKLearnデシジョンツリー分類器の深さ/順序
- 17. Haarカスケード分類器トレーニングの問題
- 18. MatlabのKNN分類器ERRORカレッジプロジェクト
- 19. Tensorflowの複数ラベル分類器
- 20. 異なる機能のアンサンブル分類器
- 21. IDワトソン自然言語分類器。エラー
- 22. ペレット移行性プロテクター5分類器
- 23. TensorFlow/Sklearnディープニューラルネットワーク分類器型エラー
- 24. OpenCVのHaarカスケード分類器データ:
- 25. レビューで分類器をテストする
- 26. ナイーブベイズ分類器抽出要約
- 27. ベイズ大集合のネット分類器
- 28. 分類器へのRandomizedSearchCVのポインティング
- 29. Heroku Pythonで分類器をロード
- 30. トレーニング画像の向き分類器 - ニューラルネットワーク