classification

0熱

1答えて

ランダム値に対して分類器の精度をテストするにはどうすればよいですか？

私は最初のscikit-learnの例を試してみました。私は予測の正確さを評価しようとしています。私は訓練とテストリストがうまくセットアップされていますが、私はそれがランダムな値を与えても〜0.95の精度を得ています。 これは私が0/1ラベルをチェックしているためと思われます。ラベルの95％は0なので、0と推測して0.95の精度を得ています（私は思いますか？）。明らかに、これは私が望むものではあり

scikit-learn classification 2017-12-19

---

1熱

1答えて

SGD分類子異なる次元の入力データによる部分適合学習

1つのホットエンコードされたデータに対してSGD分類を実行しようとしています。私はトレーニングの例に合っており、後で少しのデータでpartial_fitを実行したいと思っています。 fitデータとpartial_fitデータの間のディメンション変更のためにスローされるエラーを理解します。 私はhot_new_dfでデータ変換を実行する必要があることを理解していますが、わかりません。 [29]中 -

python machine-learning scikit-learn classification 2017-12-19

---

-2熱

1答えて

機械学習モデルのデータフィッティングと予測

分類または回帰では、入力データ（トレーニングデータ）から学習するためにモデルが必要です。例のように、最良の可能なモデルパラメータ値を見つける（線形回帰で）。/Github-Aurelien Geron handson-ML-マスターから このコードは次のとおりです。私は機械学習における分類部を通過している間 は、私は（MNISTデータセットに「未-5」を分類するモデル）の下に与えられたこのコードに

python machine-learning scikit-learn classification 2017-12-21

---

0熱

1答えて

エポックあたりのステップ数が、ケラスフィットジェネレータ関数に渡されました

の値を、fit_generator（）関数を呼び出すときに0,に設定する必要がありますか？

keras classification generator 2017-12-21

---

0熱

1答えて

keras.preprocessing.textでTokenizerを使用しているときにメモリが不足しています

kerasを使用して文章を分類するRNNモデルを作成したいと思います。 私は、次のコードを試してみました： docs = [] with open('all_dga.txt', 'r') as f: for line in f.readlines(): dga_domain, _ = line.split(' ') docs.append(dga_domain)

python nlp keras classification rnn 2017-12-21

---

0熱

1答えて

BaggingClassifierは毎回すべてのデータセットを取ります

from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifier import numpy as np import random from sklearn.svm import SVC X=np.random.rand(1000,2) Y=[random.randint

machine-learning scikit-learn classification svm python-3.5 2017-12-21

---

3熱

1答えて

n-gram（movie_reviews）のNaive Bayesクラシファイアの学習方法

のmovie_reviewsのデータセットunigramモデルのトレーニングコードを以下に示します。 bigram、trigramモデルを考慮して、その性能を訓練し分析したいと思っています。どうすればそれをすることができますか？ import nltk.classify.util from nltk.classify import NaiveBayesClassifier from nltk.

python nlp classification nltk 2017-12-28

---

1熱

1答えて

ニューラルネットワークの損失が減少しても精度は向上しませんか？

私は、1つの隠れ層とシグモイド活性化関数を持つニューラルネットワークのためのバッチベースの逆伝搬アルゴリズムを実装します。出力レイヤーはワンホットSigmoidレイヤーです。第1層のネットはz1である。適用S字状の後はa1になります。同様に、2番目の層にはz2とa2があります。 x, y = train_data, train_target for i in range(0, num_passe

python neural-network classification backpropagation perceptron 2017-12-31

---