prediction

    0

    2答えて

    私はダイスを予測するよう求めるPythonプログラムを書いています。あなたは5ユーロから始まり、勝利すれば5ユーロを稼ぎ、1であれば1ユーロ、1以上であれば3ユーロを失う。 def main(): while True: saldo = 5 y = input("[R]oll or [S]top") if y == "r" : p =

    1

    1答えて

    回帰を使用して過去の記録に基づいて組織の将来の利益を簡単に予測しようとしています。私はthis linkに従っています。テストの目的のために、私はサンプルデータを変更した、それはこれらの結果を生成: 私の実際のデータには、日付と利益となり、彼らが上下に行くのではなく連続的な増分方法でされます。上記の方法は、予測が非常に正確であるために増加し続けているサンプルデータに対して機能することに気付きました

    0

    1答えて

    1項を残したまま、私はきれいに形 x<-glm(log(abundance) ~ distance+sampling_effort, data=df) の種の豊富さを説明してRでのGLMを持っているすべての用語は、(p値< 0.01)重要であり、モデルの仮定は有効であると思われる。データは実際にはラスタマップからのものです。今私はモデルから予測値を作成したいが、sampling_effortと

    2

    1答えて

    自動エンコーダー(AE)と代替の最小二乗(ALS)メソッドを使用してプレディクタを作成しようとしています。 ALSは、pyspark.mllib.recommendationパッケージを使用して作成されます。私はALSモデルを保存し、それをmodel.save()とpyspark.mllib.recommendation.MatrixFactorizationModel.load()メソッドで再利

    -1

    1答えて

    &を選択するJava 8の最良の方法は、異なるタイプの複数のリストを持つオブジェクト(レコード)のリストLists<T>を収集{List<Type1>, List<Type2>, List<Type3>, ..}? タイプ1、タイプ2、タイプ3などは互いに関係しません。 T =タイプ1、タイプ2、タイプ3 ... List<Records> allRecords; class Records

    0

    2答えて

    私は以下のような動物園のデータフレーム上に複数の線形回帰を実行するためにルックバックウィンドウを使用しています df y X1 X2 X3 X4 2015-01-05 -0.017697886 -0.0303143773 -0.037748414 -2.015346e-02 0.12078726 2015-01-06 0.026334273 -0.00036

    2

    1答えて

    郵便サービスを所有しており、ビジネスプロセスを最適化したいとします。 # date user_id from to weight-in-grams Jan-2014 "Alice" "London" "New York" 50 Jan-2014 "Bob" "Madrid" "Beijing" 100 ... Oct-2017 "Zoya" "Moscow" "St.Pet

    0

    1答えて

    私のデータセットの最後の列の値が「作成済み」または「逃した」と予測し、プログラムを数回実行したが、精度は常に100%。私はそれが約95-100%と期待します。どんな考え?ここでは、データセットのスニペットは、(元1が000 74以上の行を持つ)である:ここでは A,L,-5,8,3,475,11.8,1,1.6,6.1,2,2.7,made A,L,-39,10,2,30,18.5,6,5.4,

    0

    2答えて

    私はケラスモデルを訓練し、モデルとウエイトを2つの別々のファイルに保存しました。私の訓練データと検証データは次のように2つのクラスに分類されています training_data/ positive/ negative validation_data/ positive/ negative/ どちらのトレーニングデータディレクトリは900Kサンプルそれぞ

    2

    1答えて

    私はStataの初心者です。私が持っているとしましょう: reg Y x1 x2 私は回帰係数を表示しています。 x1 = 10とx2 = 20といった特定の値から予測を手動で入力する必要はありませんか?