ensemble-learning

    0

    1答えて

    を認識していないオブジェクト: df <- tribble( ~y,~timestamp 18.74682, 1500256800, 19.00424, 1500260400, 18.86993, 1500264000, 18.74960, 1500267600, 18.99854, 1500271200, 18.85

    0

    1答えて

    2クラス分類の問題を解決する必要があります。 私は2つの分類器を出力します。両方とも、異なるアーキテクチャのニューラルネットワークです。 これらの2つの分類器は訓練され、2つのファイルに保存されます。 は、今私は、入力として確率を取ると、これらの2つの分類器の重みを学びますメタ分類器を構築したいです。 それで、それぞれの分類器をどれだけ「信頼する」べきかを自動的に決定します。 このモデルは、ここで

    0

    1答えて

    h2o.ensembleのエラー(x = x、y = y、training_frame = train、family =ファミリ、正respone トレースバック: h2o.ensemble(X = X、Yは= Y、training_frame =列車、家族=家族、 学習=学習、metalearner = metalearner、cvControl =リスト(V = 5、。 。 ( "家族=ガンマ

    1

    1答えて

    私は分類のためのアンサンブル方法(ランダムフォレスト、xgbclassifier、など)を使用しています。 1つの重要な側面は、以下のようなものです機能の重要性予測、次のとおりです。 Importance Feature-A 0.25 Feature-B 0.09 Feature-C 0.08 ....... このモデルは、0.85の周りに精度のスコアを達成し、 feature-A

    1

    1答えて

    Deeplearning、RandomForest、Gradient Boostingの3つのモデルのアンサンブルを構築しようとしています。私はアンサンブル関数のリストとしてモデルIDを通過してきたが、私は次のエラーを取得する:ここで java.lang.NullPointerException java.lang.NullPointerException at hex.Stacke

    0

    1答えて

    私のブラウザ(Win10、Edge、IE、Firefoxを試しました)でアンサンブルの表示に問題がありますが、Javaをダウンロードする必要があります。 ブラウザでJavaを動作させる方法についていくつかの情報を検索し、Javaの「ブラウザでJavaコンテンツを有効にする」設定を設定しました。 環境変数などの理由で失敗していませんか?

    2

    2答えて

    誰かがsklearnでアンサンブルを部分的に使う方法を教えてください。 私のモデルを再トレーニングしたくありません。 また、あらかじめ訓練されたアンサンブルモデルを渡すことはできますか? 投票分類器は、たとえば部分適合を使ったトレーニングをサポートしていないことが分かりました。

    0

    1答えて

    機械学習における分類子のアンサンブルに関する質問があります。私はEnsemble methodsについて読んだことがありますが、私は何を考えているのかを関連付けることはできませんでした。 マルチクラスの問題にいくつかの分類子があり、ある分類子が他のクラスよりも優れたパフォーマンスを示す場合、どうすればこの特性を私のアンサンブルで利用できますか? たとえば、 クラシファイアAは、残りのクラスと比較し

    2

    1答えて

    私はアンサンブルモデルに3つのモデルを組み合わせるためにしようとしている: モデル1 - XGBoost モデル2 - ランダムフォレスト モデル3 - ロジスティック回帰 注:ここのコードはすべて、キャレットパッケージのtrain()関数を使用しています。 > Bayes_model No pre-processing Resampling: Cross-Validated (10 fol

    -2

    1答えて

    私のデータに多数決方法の1つを適用したいと思います。私も "mlxtend"を "pip install mlxtend"を通してインストールしました。私はまだエラーが発生しています。以下は、私が得るエラーです。ここ まずコードです: from mlxtend.classifier import EnsembleVoteClassifier mv_clf = MajorityVoteClassi