藏书吧 通过搜索各大小说站为您自动抓取各类小说的最快更新供您阅读!
藏书吧 >  离语 >   第301章 密码

基于聚类的离散化假设我们有一个包含1000个房屋的价格数据的数据集,我们想将价格分成5个簇,以下是离散化方法:首先,随机分配5个中心点。根据每个房屋的价格和这5个中心点的距离,将每个房屋分入距离最近的中心点对应的簇中。重新计算每个簇的中心点,以中心点的坐标作为新的中心点。重复步骤2和步骤3,直到中心点的移动小于某个阈值或达到最大迭代次数。最终得到的5个簇即为我们需要的离散化结果。自适应离散化假设我们有一个包含个商品销售量数据的数据集,我们想将销售量离散化成n个区间,以下是离散化方法:先将所有商品销售量根据大小排序。初始时,将数据集分成n个区间,每个区间保持相等的数据数量。计算每个区间的范围(最小值和最大值),并计算相邻区间的范围的中点,这些中点作为新的分割点。根据新的分割点重新划分区间,如果新的区间与原来的区间相同,则算法停止。否则,重复步骤3和步骤4。最终得到的n个区间即为我们需要的离散化结果。卷积核输出形状卷积神经网络中的卷积层的输出维度计算,可以通过以下公式得出:输出的高度 = (输入的高度 - 卷积核的高度 + 2 * padding) \/ 步长 + 1输出的宽度 = (输入的宽度 - 卷积核的宽度 + 2 * padding) \/ 步长 + 1输出的深度 = 卷积核的数量这里,padding是指在输入数据周围填充的0的行数或列数(在计算输出大小时有助于保持空间尺寸不变),步长是指卷积核移动的步数。输出的深度直接取决于我们使用的卷积核的数量。输入数据大小为32 x 32大小单通道图片,在c1卷积层使用6个大小为5 x 5的卷识核进行卷积,padding = 0,步长为1通过6个大小为5 x 5的卷识核之后的输出是多大尺寸的,怎么用公式计算给定:输入的高度 h = 32;输入的宽度 w = 32;卷积核的高度 Kh = 5;卷积核的宽度 Kw = 5;卷积核的数量 K = 6;步长 S = 1;padding p = 0根据上述公式,我们可以计算出卷积后的输出尺寸:输出的高度 = (h - Kh + 2p) \/ S + 1 = (32 - 5 + 2*0) \/ 1 + 1 = 28输出的宽度 = (w - Kw + 2p) \/ S + 1 = (32 - 5 + 2*0) \/ 1 + 1 = 28输出的深度 = K = 6所以,通过6个大小为5x5的卷积核后的输出尺寸为 28x28x6。

留出法(holdout method):基本思想:将原始数据集划分为训练集和测试集两部分,其中训练集用于模型训练,而测试集则用于评估模型的性能。实施步骤:根据比例或固定的样本数量,随机选择一部分数据作为训练集,剩余部分用作测试集。优点:简单快速;适用于大规模数据集。缺点:可能由于训练集和测试集的不同导致结果的方差较高;对于小样本数据集,留出的测试集可能不够代表性。2交叉验证法(cross-Validation):基本思想:将原始数据集划分为K个大小相等的子集(折),其中K-1个子集用于训练模型,剩下的1个子集用于测试模型,这个过程轮流进行K次,最后将K次实验的结果综合得到最终的评估结果。实施步骤:将数据集随机划分为K个子集,依次选择每个子集作为验证集,其余子集作为训练集,训练模型并评估性能。重复这个过程K次,取K次实验的平均值作为模型的性能指标。优点:更充分利用了数据;可以减小因样本划分不同而引起的方差。缺点:增加了计算开销;在某些情况下,对于特定划分方式可能导致估计偏差。3自助采样法(bootstrapping):基本思想:使用自助法从原始数据集中有放回地进行有偏复制采样,得到一个与原始数据集大小相等的采样集,再利用采样集进行模型训练和测试。实施步骤:从原始数据集中有放回地抽取样本,形成一个新的采样集,然后使用采样集进行模型训练和测试。优点:适用于小样本数据集,可以提供更多信息;避免了留出法和交叉验证法中由于划分过程引入的变化。缺点:采样集中约有36.8%的样本未被采到,这些未被采到样本也会对模型性能的评估产生影响;引入了自助抽样的随机性。拓展:选择何种数据集划分方法应根据以下因素进行综合考虑:1数据集大小:当数据集较大时,留出法能够提供足够的训练样本和测试样本,而且计算开销相对较小。当数据集较小时,交叉验证法和自助采样法能更好地利用数据。

2计算资源和时间限制:交叉验证需要多次训练模型并评估性能,所以会增加计算开销;自助采样法则需要从原始数据集中进行有放回的采样,可能导致计算成本上升。如果计算资源和时间有限,留出法可能是更可行的选择。3数据集特点:如果数据集具有一定的时序性,建议使用留出法或时间窗口交叉验证,确保训练集和测试集在时间上是连续的。如果数据集中存在明显的类别不平衡问题,可以考虑使用分层抽样的交叉验证来保持类别比例的一致性。4评估结果稳定性要求:交叉验证可以提供多个实验的平均结果,从而减少由于随机划分带来的方差。如果对评估结果的稳定性要求较高,交叉验证是一个不错的选择。总而言之,没有一种数据集划分方法适用于所有情况。选择合适的方法应根据具体问题的需求、数据集的大小以及可用的资源和时间来进行综合考虑,并在实践中进行实验比较以找到最佳的划分方式。2、请列举模型效果评估中准确性、稳定性和可解释性的指标。1准确性:准确率(Accuracy):预测正确的样本数量与总样本数量的比例。精确率(precision):预测为正类的样本中,真实为正类的比例。召回率(Recall):真实为正类的样本中,被模型预测为正类的比例。F1值(F1-Score):综合考虑了精确率和召回率的调和平均,适用于评价二分类模型的性能。2稳定性:方差(Variance):指模型在不同数据集上性能的波动程度,方差越大说明模型的稳定性越低。交叉验证(cross Validation):通过将数据集划分为多个子集,在每个子集上训练和评估模型,然后对结果进行平均,可以提供模型性能的稳定估计。3可解释性:特征重要性(Feature Importance):用于衡量特征对模型预测结果的贡献程度,常用的方法包括基于树模型的特征重要性(如Gini Importance和permutation Importance)以及线性模型的系数。4可视化(Visualization):通过可视化模型的结构、权重或决策边界等,帮助解释模型的预测过程和影响因素。5 ShAp值(Shapley Additive explanations):一种用于解释特征对预测结果的贡献度的方法,提供了每个特征对最终预测结果的影响大小。这些指标能够在评估模型效果时提供关于准确性、稳定性和可解释性的信息,但具体选择哪些指标要根据具体任务和需求进行综合考虑。

藏书吧推荐阅读:极乐合欢功盗墓:当吴小佛爷开始玩养成重生后娘娘宠冠后宫让你援助抗战,你成列强了?我捡来的小奶狗竟然是顶头上司恶性相依穿书救闺蜜,病娇夫君天天争宠如不成魔,怎去成仙蚕神商贾之女咋啦?小小世子照样拿捏反派弟子全舔狗?摆烂师尊浪浪浪综漫:无敌从加入轮回空间开始貌美继室摆烂后,禁欲权臣他慌了寻回的璀璨人生穿书七十年代:开局多一个老公王妃葬身火海,渣男王爷哭疯了时来允转梦境里我为主宰我有位面快穿系统,反手上交国家快穿之宠妃上位记武力值爆表!清冷美人是满级大佬被卖后,她只想苟在一亩三分地上穿越从一拳开始快穿:手撕渣男主,被男配宠上天闺蜜双穿!我们真的只是朋友!明天的明天是今天逃荒:有粮有钱心不慌奥特,我贝利亚只想咸鱼重生之不被书写的人生霍格沃茨的冒牌巫师校花曝光我在殡仪馆抓鬼现场四合院:万倍经验暴击,众禽慌了傲剑狂魔末世重生,开局打造顶级安全屋抗战:鬼子太太不想丈夫丢工作0幻梦0影踪0行异界大小姐重生,通通闪开!网王:从签到开始的网球传奇快穿带娃:开局精神控制躺赢末世快穿:苦逼钓鱼佬在年代文还债我靠捉鬼发家致富跟男主的病弱小叔互换身体后70闪婚军官后,国家给我做靠山一本随记本民俗诡事簿炮灰不走剧情,主角死活随便穿越农家种田遇上王爷美丽的圌山传穿成兽世娇雌,大佬们每天都在修罗场灵异悬疑小说集
藏书吧搜藏榜:野玫瑰欲又撩,太子爷失控诱捕我爹哪去了菟丝绕红缨玄学直播捉鬼忙,看看今晚谁塌房两只虫崽在垃圾星的日常生活乖乖的,不许逃没错,我的卡牌是辛弃疾怎么了我一个小刑警,你让我当鬼差帝少动情,顾大小姐三年抱俩离婚后她空降热搜末世:探寻龙头脉无限:开局成为海虎之弟南宫轩与上官洛儿倾城之恋爷,您夫人又管不住了月华倾心遮天之阴阳道以前上班的不成功日记人在斗罗,开局觉醒时间零美女天才中医与黏人总裁综穿:捣乱从甄嬛传开始恋综爆火后,哥哥他坐不住了海贼里的龙珠模拟器平安修行记蚀骨情深,顾总他上头了四合院:精神病面前禽兽算个球斗罗:佛道双魂,我玩转诸天横空出世的娇帝君火葬场女工日记骑行异事重生端木,我不吃牛肉我,赤犬大将,开局轰杀逃兵王废物公子神豪富婆,这点小钱洒洒水啦姐弟恋:好想和你一起长大女孩子会喜欢逗比的吧?不是吗?唉!又是一天把亲爹气的直跺脚!时不时吐血的我在柯南身边怎么活锦鲤四岁半捡的妹妹超旺家七零军婚:重生后被兵哥哥盯上了如意茶馆叶罗丽之重生归来,我依旧爱你当我在火影成为空律洪荒:我袁洪一心求稳,人间清醒带着抽卡系统穿综漫完了!订婚前夜禁欲战神闯我闺房女配给大反派生孩子后,男主疯了最后的任务,许我为妻我重生成为了曙光圣者崩坏:成为梅比乌斯的妹妹明月揽星辰
藏书吧最新小说:影综穿越诸天靠蹭女主角气运活着双剑破苍穹废材?顶级毒医她在玄界当海后协议离婚后:总裁妻子悔哭了和离前夜,她重生回了出嫁前诸天:小玉你还小,别追了被害投湖,嫡女归来怒掀渣男龙椅叶老师又娇又撩,科技大佬婚后夜夜求名分太古无双神尊四合院谁都不要和我抢养老被甩后,我医武双绝,你求复合做什么?灵武苍天重生假少爷,从打猎带妻女发家开始穿成农家秀才的作精娘子修己心:如何做这个世界的旁观者小夫人会玄学,携崽炸翻豪门重生1993:我权势滔天废柴美女修仙记老婆打遍诸天万界,我无敌了噶我腰子?我靠氪金电子女友杀穿缅北互换婚书你提的,朕登九五你哭啥?王爷不近女色,我却孕吐三年新美人鱼传说娇软雌性万人迷,兽世老公宠宠宠民国奇探之路垚是我嫂子惯坏她茅山嘉乐之除魔卫道我对疯批男主手拿把掐那些年穿到七年后,和死对头结婚生崽了来世之后的复仇不装了!神医归来,前妻哭着求复合三岁福宝有空间,全家一起宠翻天和亲归来后,全城为我哭坟不许我摆烂,那我就杀穿崩铁:云骑小姐与普通的我魂穿孤女后,夫君成都督豆角和豆包致命偏宠,顾少步步诱哄首长你的洋媳妇儿来了,签收一下成婚当日我改嫁未来权臣!悦己者极乐永恒天老李沟的故事病弱美人靠着与摄政王亲嘴续命装娇弱扮深情,清冷权臣拿命宠规则:开局出现在神秘列车让你下山娶妻,你却无敌天下惊!嗜血将军夜夜在我怀里装乖巧最牛重生,人生回档在牙牙学语四合院:开局植物人,送大爷进局