class_weight

GBDT--梯度提升树

初始预测结果0的设置1.2使用回归器完成分类任务1.3GBDT的8种损失函数2弱评估器结构2.1梯度提升树种的弱评估器复杂度2.2弗里德曼均方误差3梯度提升树的提前停止机制4梯度提升树的袋外数据5缺失参数class_weight
吓得我泰勒都展开了·2024-02-11 14:40

随机森林超参数的网格优化（机器学习的精华--调参）

随机森林各个参数对算法的影响影响力参数⭐⭐⭐⭐⭐几乎总是具有巨大影响力n_estimators（整体学习能力）max_depth（粗剪枝）max_features（随机性）⭐⭐⭐⭐大部分时候具有影响力max_samples（随机性）class_weight
恒c·2024-02-04 23:31

sklearn逻辑回归（Logistic Regression）多分类问题

classsklearn.linear_model.LogisticRegression(penalty='l2',*,dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
Yvesx·2024-01-27 14:50

sklearn中的逻辑回归

中的逻辑回归2linear_model.LogisticRegression2.3梯度下降：重要参数max_iter2.4二元回归与多元回归：重要参数solver&multi_class2.5样本不平衡与参数class_weight
Lennng·2023-10-31 02:44

机器学习之逻辑回归（Logistic Regression）

逻辑回归的使用1.正则化参数2.特征工程（可解释的特征降维）：embedded3.梯度下降：重要参数max_iter4.二元回归和多元回归重要参数：solver和multi-class5.样本不平衡与参数class_weight
`AllureLove·2023-10-31 02:42

Python使用compute_class_weight()函数处理数据不平衡

参数介绍compute_class_weight()函数的参数如下：class_weight:类别权重的计算方式。可以是字
琼06·2023-10-27 11:35

SVC模型评估指标与ROC曲线

目录1.解决二分类SVC中的样本不均衡问题1.1概述1.2SVC参数class_weight1.3参数class_weight的使用2.SVC模型评估指标2.1混淆矩阵(ConfusionMatrix)
擎风2021·2023-04-01 18:10

[2] 样本不均衡问题及其解决办法

5损失函数在机器学习中，可以通过修改模型中的“class_weight”参数，从而调节不均衡样本的惩罚权重。
猿上加猿·2023-03-10 07:46

如何处理样本不平衡问题？

除了在模型训练时指定class_weight参数外，常用的解决样本不平衡的方法主要是以重采样为主，即对过多的样本进行欠采样、对过少的样本进行过采样等。随机欠采样(undersam
Sun_Sherry·2023-02-03 16:53

逻辑回归sklearn实现

LogisticRegressionclasssklearn.linear_model.LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
kity_8322·2023-02-03 11:31

SVM.SVC调参实战总结与指南

degree=3,gamma=’auto_deprecated’,coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
NanciZhao·2023-01-29 16:50

sklearn.svm.SVC

degree=3，gamma='auto_deprecated'，coef0=0.0，shrinking=True，probability=False，tol=0.001，cache_size=200，class_weight
尘归风·2023-01-29 16:18

model.fit()的fit()函数参数

batch_size=32,epochs=10,verbose=1,callbacks=None,validation_split=0.0,validation_data=None,shuffle=True,class_weight
潘森L·2023-01-27 07:30

【sklearn学习】支持向量机SVM

kernel='rbf',degree=3,gamma='scale',coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
jaeden_xu·2023-01-09 00:16

关于sklearn下class_weight参数

一直没有很在意过sklearn的class_weight的这个参数的具体作用细节，只大致了解是是用于处理样本不均衡。
FY_2018·2023-01-07 09:35

【菜菜的sklearn课堂笔记】支持向量机-二分类SVC中的样本不均衡问题：重要参数class_weight

视频作者：菜菜TsaiTsai链接：【技术干货】菜菜的机器学习sklearn【全85集】Python进阶_哔哩哔哩_bilibili样本不均衡是指在一组数据集中，标签的一类天生占有很大的比例，但我们有着捕捉出某种特定的分类的需求的状况。比如，我们现在要对潜在犯罪者和普通人进行分类，潜在犯罪者占总人口的比例是相当低的，也许只有2%左右，98%的人都是普通人，而我们的目标是要捕获出潜在犯罪者。这样的标
烧灯续昼2002·2023-01-07 09:04

sklearn-逻辑回归

linear_model.LogisticRegressionclasssklearn.linear_model.LogisticRegression(penalty=’l2’,dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
CHEN的小喵·2023-01-02 12:44

Class_weight: TypeError: unhashable type: ‘numpy.ndarray‘

笔者在运行下面这段代码时：class_weights=compute_class_weight(class_weight='balanced',classes=np.unique(train_label
Erwachen·2022-12-22 13:39

Sklearn参数详解—LR模型

sklearn.linear_model.LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
Sciengineerv·2022-12-21 18:04

sklearn库学习------决策树(回归树DecisionTreeRegressor)

需要注意的是在回归树中没有标签分布是否均衡的问题，因此回归树没有class_weight参数criterion：回归树衡量分支质量的指标，有三种标准输入＂mse＂使用均方误差meansquarederror
iostreamzl·2022-12-19 07:57

sklearn 决策树(分类树、回归树)的 重要参数、属性、方法理解

文章目录决策分类树引入重要参数1，criterion2，splitter3，max_depth4，min_samples_leaf5，min_samples_split6，max_features7，class_weight
VariableX·2022-12-19 07:54

sklearn回归树

需要注意的是，在回归树中没有标签分布是否均衡的问题，因此没有class_weight这样的参数。
叁..·2022-12-19 07:24

机器学习（一）svm运用实例

kernel=‘rbf’,degree=3,gamma=‘auto’,coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
weixin_43857838·2022-12-14 13:35

model.fit()

=None,epochs=1,verbose='auto',callbacks=None,validation_split=0.0,validation_data=None,shuffle=True,class_weight
南妮儿·2022-12-12 13:02

TF2.x `class_weight` 导致训练集和验证集损失有很大差异的问题

文章目录TL;DR项目背景`class_weight`如何作用到数据集上`sample_weight`如何作用到损失函数上为什么训练接和验证集的损失会相对于`class_weight`变化?
loveychen·2022-12-09 19:42

keras fit训练模型时,训练神经网络模型过程中batch_size，steps_per_epoch，具体含义

None,epochs=1,verbose=1,callbacks=None,validation_data=None,validation_steps=None,validation_freq=1,class_weight
妹妹爱技术·2022-12-08 22:20

【炼丹随记】样本不均衡时，class_weight 的计算

语义分割时，如果样本比例失衡，就需要设置class_weight来平衡损失，那么该如何计算呢？直观的想到是，先获取图片的每个类别的像素点的个数之间的比例，然后用1去除以。
magic_ll·2022-12-08 06:08

【Bug】ValueError: Solver lbfgs supports only ‘l2‘ or ‘none‘ penalties, got l1 penalty

：log_reg=LogisticRegression()使用网格搜索寻优时：param_test={'penalty':['l2','l1'],'C':[0.01,0.1,1.0,10,100],'class_weight
机器不学习我学习·2022-12-06 09:20

keras 开发文档 5：自定义fit（）中发生的事情（Customizing what happens in fit()）

文章目录介绍设置第一个简单的例子进入lower-level支持sample_weight和class_weight提供您自己的评估步骤总结：端到端GAN示例参考引用介绍当您进行监督学习时，可以使用fit
研海无涯·2022-11-28 16:25

HuaPu在学：机器学习——sklearn【决策树】

][criterion]:[random_state][splitter]:[剪枝参数-max_depth、min_samples_leaf、min_samples_split……]:[目标权重参数-class_weight
四号花圃·2022-11-28 00:37

【菜菜的sklearn课堂笔记】逻辑回归与评分卡-二元回归与多元回归：重要参数solver & multi_class & class_weight

solver真不会，搁置了，回头会补一下矩阵求导，更深入的内容就以后吧multi_classOvO策略拆分策略OvO基本过程是将每个类别对应数据集单独拆分成一个子数据集，然后令其两两组合，再来进行模型训练。例如，对于四分类数据集，根据标签类别可将其拆分成四个数据集，然后再进行两两组合，总共有6种组合，也就是C42C_{4}^{2}C42种组合。拆分过程如下所示：然后在这6个新和成的数据集上，我们就
烧灯续昼2002·2022-11-25 08:05

支持向量机python代码_基于python编程实现支持向量机算法SVM，附代码实现

SVC(C=1.0,cache_size=200,class_weight=None,coef0=0.0,decision_function_shape='ovr',degree=3,gamma='auto
weixin_39926739·2022-11-25 07:44

logisticregression python参数设置_LogisticRegression在sklearn中的参数详解

LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
云智冷·2022-11-24 09:53

sklearn_SVM：处理样本不平衡问题__菜菜视频学习笔记

SVM：处理样本不平衡问题1.通过参数class_weight来处理样本不均衡问题2.混淆矩阵（ConfusionMatrix）2.1精确度2.2召回率3.3特异度3.4假正率3.ROC曲线及其相关问题
chenburong2021·2022-11-23 11:30

【tensorflow/keras】 model.fit_generator

generator,steps_per_epoch=None,epochs=1,verbose=1,callbacks=None,validation_data=None,validation_steps=None,class_weight
rrr2·2022-11-22 03:42

keras中的回调函数

batch_size=32,nb_epoch=10,verbose=1,callbacks=[],validation_split=0.0,validation_data=None,shuffle=True,class_weight
lizz2276·2022-11-20 13:13

sklearn.svm.SVC（） 参数说明

kernel=‘rbf’,degree=3,gamma=‘auto’,coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
静嗅花开·2022-11-19 09:26

sklearn.svm.SVC()函数解析

degree=3,gamma=’auto_deprecated’,coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
云中小屋·2022-11-19 09:55

python中的sklearn.svm.svr_支持向量机SVM--sklearn 参数说明

loss=squared_hinge,dual=True,tol=00001,C=1.0,multi_class=ovr,fit_intercept=True,intercept_scaling=1,class_weight
不遇白·2022-11-19 09:52

sklearn.svm.SVC的参数学习笔记

degree=3,gamma=’auto_deprecated’,coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
Jared_Yang·2022-11-19 09:46

逻辑回归（LogisticRegression）中的参数（详解）

LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
小白学算法·2022-11-19 09:07

支持向量机（sklearn.svm.svc）中的参数

kernel='rbf',degree=3,gamma='scale',coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
小白学算法·2022-11-19 09:30

2.5 logistic 回归初认识

但也可以使得数据总体均衡3.找业务部门填充真实数据4.不去处理，直接训练模型，有时候的训练效果要好很多5.算法处理：class_weight
紫眸猫星人·2022-11-08 09:50

【mmsegmentation】踩坑指南----config中的loss_weight调整

最近在试mmseg项目中各种模型的参数调整实验，关注到一个class_weight参数，按照官网说明，这个参数是可以调节样本不平衡带来的拟合问题，提升算法精度的一个手段。
zy_destiny·2022-11-04 13:22

sklearn 笔记 SVM

kernel='rbf',degree=3,gamma='scale',coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=200,class_weight
UQI-LIUWJ·2022-10-30 02:05

sklearn.linear_model.LogisticRegression模型参数详解与predict、predict_proba区别以及源码解析

fromsklearnimportlinear_modellinear_model.LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
月上流骚头·2022-02-05 07:30

pytorch交叉熵损失函数的weight参数的使用

首先必须将权重也转为Tensor的cuda格式；然后将该class_weight作为交叉熵函数对应参数的输入值。
·2021-05-24 09:08

sklearn logistic regression

classsklearn.linear_model.LogisticRegression(penalty=’l2’,dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight
神奇蚂蚁·2021-05-10 18:45

深度学习记录1------model.fit()

batch_size=32,epochs=10,verbose=1,callbacks=None,validation_split=0.0,validation_data=None,shuffle=True,class_weight
上岸川大の辉·2021-03-06 22:20

机器学习笔记：python中使用sklearn中的svm进行分类demo，并输出分类概率

kernel='rbf',degree=3,gamma='auto',coef0=0.0,shrinking=True,probability=False,#tol=0.001,cache_size=200,class_weight
小灰灰__·2020-09-16 23:00
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他