multiclass-classification

Вопрос или проблема Я использовал одномерное кодирование [1,0,0][0,1,0][0,0,1] для своей функциональной модели классификации. Предсказанные вероятности для тестовых данных yprob = model.predict(testX) дают мне : yprob = array([[0.

Вопрос или проблема У меня есть набор данных, созданный для решения задачи классификации. Из-за дисбаланса Y я решил перейти к задаче обнаружения аномалий. Должен ли я использовать Y, который у меня есть внутри модели обнаружения аномалий, в качестве признаков?

Вопрос или проблема Я работаю с очень большим набором данных, который benefited от продолжения обучения с параметром xgb_model в xgb.train(). Метка (Y) самого набора данных имеет 4 класса и сильно несбалансирована, поэтому я хотел бы сгенерировать PR-кривые

Вопрос или проблема Я работаю над задачей извлечения и классификации отношений. Данные представлены в виде текстовых файлов. Данные несбалансированные. Я хочу использовать функцию потерь focal для решения проблемы несбалансированности классов в данных.

Вопрос или проблема Мне порекомендовали опубликовать здесь, а не на StackOverflow Я хочу заняться машинным обучением, и мне просто нужно знать, с чего начать и какой библиотекой/путем пойти. У меня есть два набора данных, которые выглядят примерно так

Вопрос или проблема Согласно книге Geron, для многоклассовой классификации SGDClassifier в scikit-learn использует схему один против остальных. Но как мне узнать, какая схема используется, если эта информация не представлена в справочном файле.

Вопрос или проблема Я новичок в Deep Learning. Мне не очень хорошо удается понимать и комментировать графики. Можете помочь мне с этими графиками Вопросы, которые я задаю себе, когда вижу графики обучения, следующие: Уменьшается ли потеря и увеличивается ли точность?

Вопрос или проблема У меня есть следующий фрейм фактической ценности, [[0.1,0.2,0.3,0.4,0.5], [0.1,0.1,0.3,0.4,0.5], [0.1,0.1,0.3,0.4,0.1], [0.1,0.3,0.3,0.4,0.5], [0.1,0.2,0.2,0.4,0.4], ] И я построил свою модель, которая предсказала значение следующим образом: [[0.

Вопрос или проблема Я обучаю нелинейный классификатор для многослойной задачи классификации. Я подготавливаю обучающие данные в виде отображения пар целых координат (x1, x2) в целое число от нуля до трех. Для каждой пары координат x1/x2 я генерирую 5000

Вопрос или проблема Я пытаюсь решить задачу классификации с множественными классами, где наблюдается дисбаланс. Для этого я использую SMOTE для оверсемплинга и OSS для недосемплинга. Но у меня есть сомнение, поскольку я работаю с многоклассовой задачей

Вопрос или проблема У меня есть набор данных, в котором входные данные представляют собой данные для пациентов в отделении интенсивной терапии, где каждая госпитализация имеет 40 признаков (20 жизненных показателей, 20 лабораторных значений) и несколько

Вопрос или проблема Я изучал алгоритмы для предсказания на основе коллаборативной фильтрации. В большинстве источников я читал о использовании матричной факторизации, основанной на оценках схожести пользователя. Но в моем случае мне нужно делать предсказания

Вопрос или проблема В настоящее время я использую алгоритм случайного леса One vs Rest для задачи многоклассовой классификации на Python и хочу найти оптимальный порог для каждого класса. Как я могу сделать это с помощью подхода OVR (One-Vs-Rest)?

Вопрос или проблема Насколько я понимаю, целевая функция — это то, что я пытаюсь оптимизировать, а оценочная статистика — это то, что я использую для поиска переобучения. Я наткнулся на 4 функции потерь, которые, кажется, одинаковы, но я не совсем уверен.

Вопрос или проблема Я пытаюсь обучить простую нейронную сеть для многоклассовой классификации. У меня есть столбцы x1, x2, x3, x4 с 4 классами для предсказания. Если тренировать только на x1, x2, x3, x4, то я получаю точность 88% С некоторыми знаниями

Вопрос или проблема Я работаю над задачей многоклассовой классификации с использованием моделей Keras Sequential. В моем наборе данных выходной класс имеет одно из следующих значений: (1, 2, 3, 4, 5). Да, я уже пробовал использовать one-hot-кодирование