ensemble-learning

    2热度

    1回答

    xgb.plot.tree布局

    我读的例子结果XGB notebook和xgb.plot.tree命令在PIC这样的： 然而，当我做同样的事情我有一个像这样的图像，它们是两个单独的图形，也是不同的颜色。 是正常吗？两棵树是两棵树吗？
    r xgboost ensemble-learning 2017-08-06

    0热度

    1回答

    在使用插入符号包进行多个模型的培训时出错

    在R中使用插入符号包时，我正面临一个非常混乱的问题。为了进行比较，我正在训练多个模型。打了几个电话训练后，此错误信息开始显示它曾经培养呼叫/火车模型使用： - 错误UseMethod（“训练”）：适用于对“训练”没有适用的方法类“公式”的对象 一旦出现此错误，则不会训练其他模型，但会出现上述错误。 当我重新启动R并重新加载插入符号包时，出现此错误的相同模型可轻松培训。 我很困惑这里似乎是什么问题？
    r machine-learning r-caret ensemble-learning 2017-10-07

    0热度

    1回答

    机器学习分类集合

    我有一个关于机器学习中分类器集合的问题。我已阅读约Ensemble methods，但我不能把他们与我在想什么。 如果我对于多类问题有几个分类器，并且某些分类器对某些类比其他分类器表现出更好的性能，那么我怎样才能利用我的合奏中的这个特性？ 例如。 分类器A在第1类中得分高于其余。 分类B在第2类中得分高于其余两类。 分类C在第3类中的分数高于其余分类。 我该如何做一个整体，让我更加重视分类器A中类
    ensemble-learning 2017-08-23

    1热度

    1回答

    如何调整权重值分级（Sklearn）

    我努力做到以下几点： vc = VotingClassifier(estimators=[('gbc',GradientBoostingClassifier()), ('rf',RandomForestClassifier()),('svc',SVC(probability=True))], voting='soft',n_jobs=-1) params
    scikit-learn prediction ensemble-learning 2017-10-16

    -2热度

    1回答

    如何使用ada boosting作为R中的集合方法？

    我想学习集成方法，并发现ada-boosting可以建立在普通机器学习方法（如随机森林）之上。该方法可以使用训练集中的错误分类数据来建立更准确的分类模型。 但是，我在网上搜索，但我找不到执行的答案。 我想知道如何在随机森林的顶部为分类问题构建一个ada-boosting来最小化错误？ 让我们只说我有一个 训练集（DF）：火车 测试集（DF）：测试 和多项功能叫做：特征。 ，分级被称为：结果（火车$
    r machine-learning classification adaboost ensemble-learning 2017-10-17

    1热度

    2回答

    如何合并具有相同输入的keras连续模型？

    我想在keras中创建我的第一个合奏模型。我的数据集中有3个输入值和一个输出值。 from keras.optimizers import SGD,Adam from keras.layers import Dense,Merge from keras.models import Sequential model1 = Sequential() model1.add(Dense(3, i
    python keras keras-layer ensemble-learning 2017-08-29

    0热度

    1回答

    R caret整套CV长度不正确

    我试图在R中使用包caretEnsemble来合成模型。这里是一个最小可重现的示例。请让我知道这是否应该有额外的信息。 library(caret) library(caretEnsemble) library(xgboost) library(plyr) # Load iris data and convert to binary classification problem da
    r cross-validation r-caret ensemble-learning 2017-08-29

    0热度

    1回答

    合成模型和平均模型有什么区别？

    在机器翻译中，序列到序列模型变得非常流行。他们经常使用一些技巧来提高性能，例如集合或平均一组模型。这里的逻辑是错误将会“平均”。 据我所知，平均值模型是简单地取X模型参数的平均值，然后创建一个可用于解码测试数据的单一模型。 合奏，然而平均每个模型输出。这要花费更多的资源，因为X模型必须提供输出，而平均模型只能在测试数据上运行一次。 这里的区别究竟是什么？输出如何不同？在我的测试中，两种方法都比基线
    machine-learning deep-learning machine-translation ensemble-learning sequence-to-sequence 2017-09-06

    0热度

    1回答

    TS对象不forecastHybrid包hybridModel认可

    数据是这样的： df <- tribble( ~y,~timestamp 18.74682, 1500256800, 19.00424, 1500260400, 18.86993, 1500264000, 18.74960, 1500267600, 18.99854, 1500271200, 18.85443, 150
    r time-series forecasting hybrid ensemble-learning 2017-08-01

    0热度

    1回答

    H2o.ensemble：family < - “gaussian”，family = gamma的错误需要肯定的响应

    h2o.ensemble错误（x = x，y = y，training_frame = train，family = family，：family = gamma要求正输入反应 回溯： h2o.ensemble（X = X，Y = Y，training_frame =火车，家族=家庭， 学习者=学习者，metalearner = metalearner，cvControl =列表（V = 5。 。
    r gaussian h2o ensemble-learning 2017-08-02
最新问题