교차 유효성 검사를하고 있습니다. 그래서 저는 데이터를 10 배로 나누고 싶었습니다. 누군가 다음 코드를 게시하고 있습니다. f_K_fold <- function(Nobs,K=10){
rs <- runif(Nobs)
id <- seq(Nobs)[order(rs)]
k <- as.integer(Nobs * seq(1, K-1)/K)
Weka에서 사용할 수있는 10 배 교차 검증과 기존 10 배 교차 검증의 차이점에 대해 다소 혼란 스럽습니다. K- 교차 교차 검증의 개념을 이해합니다. , 그러나 내가 읽은 것에서 Weka의 10 배 교차 검증은 조금 다릅니다. Weka FIRST에서 모델은 ALL 데이터로 작성됩니다. 그래야만 10 배 교차 검증이 수행됩니다. 기존의 10 배 교차 검
필자는 100 개의 샘플 (행)과 10000 개의 독립적 인 피처 (열)를 포함하는 행렬 (x)을가집니다. 관측 값은 바이너리이며, 샘플은 (벡터 y에 저장된) 좋은 또는 나쁜 {0,1}입니다. 교차 유효성 검사를 하나 남겨두고 각 기능에 대한 곡선 아래 영역 (AUC)을 따로 따로 지정해야합니다 (CAtools 패키지의 colAUC와 유사 함). glmn
정확히 무엇이 잘못 되었습니까? 그러나, 내 목표는 교차 유효성 검사 파이썬 코드를 설정하는 것입니다. 다양한 통계가 있다는 것을 알고 있지만 올바른 통계를 사용하고 있다고 생각합니다. 대신에 내 원하는 CV10 결과를 얻는 I 오류 받고 있어요 : "스칼라 변수에 잘못된 색인" 를 I에 유래에서 이걸 발견 : IndexError : 당신이 인덱스 A를 시
크로스 검증과 그리드 검색의 차이점을 간단히 설명 할 수있는 사람이 있습니까? 어떻게 작동합니까? 먼저 교차 검증을 한 다음 그리드 검색을 수행해야합니까? 내 질문은이 문서를 읽기에서 온다 : 당신이 당신의 모델을 평가에 사용할 데이터의 일부를 예약 할 때 sklearn
이것은 어리석은 질문 일지 모르지만 나는 그걸하기위한 패키지를 찾을 수 없다 ... 내가 원하는 것을 얻기 위해 코드를 작성할 수 있다는 것을 알고 있지만 자동으로 기능을 수행하는 것이 좋다! 그래서 기본적으로 glm 모델에 대해 k 배 교차 유효성 검사를 수행하려고합니다. 나는 각 유효성 검사 세트와 실제 값에 대한 예측을 자동으로 얻고 싶다. 따라서 1
어떻게 glm 객체로 cv.glm이 작동하는지 알 수 있습니다 만, 맞는 생존 모델은 무엇입니까? 나는 (Weibull, Gompertz, lognormal 등) 많은 모델을 가지고있다. 교차 검증을 사용하여 예측 오류를 평가하려고합니다. 어떤 패키지/함수가 R에서 이것을 할 수 있습니까?
회귀 모델을 훈련하고 싶기 때문에 무작위로 포리스트 모델을 사용합니다. 그러나 필자는 필자의 데이터 세트에서 많은 기능을 가지고 있기 때문에 기능을 선택해야 할 필요가 있으며 모든 기능을 사용하면 과청 될 것입니다. 내 모델의 성능을 평가하기 위해 5 배 교차 유효성 검사를 수행하고 다음 두 가지 접근 방식에 대한 나의 질문이 옳았으며 그 이유는 무엇입니까
데이터 샘플 1000 개가 포함 된 샘플 데이터 세트가 주어지면 데이터를 전처리하여 10000 개의 데이터 행을 얻으므로 각 원래 데이터 행에서 10 개의 새 샘플이 생성됩니다 . 또한, 제 모델을 훈련 할 때 교차 검증을 수행 할 수 있기를 원합니다. 스코어링 기능은 원래 데이터를 사용하여 점수를 계산하므로 교차 검증 스코어링이 생성 된 것보다는 원본 데
Stanford NER에 교차 유효성 검사를 사용하려고합니다. feature factory은 3 가지 속성을 나열합니다 : numFolds int 1 The number of folds to use for cross-validation.
startFold int 1 The starting fold to run.
numFoldsToRun int 1 The