Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
CustomVision:操作返回无效状态代码:“NotFound”
我正在使用 NuGet 包Microsoft Cognitive CustomVision Prediction版本1 2 0 我创建了 1 个试验项目并用一些图像对其进行了训练 现在 当我尝试使用 API 调用 API 进行预测时Pred
c
ComputerVision
Prediction
azurecognitiveservices
Tensorflow 中多维时间序列预测中的向量表示
我有一个大型数据集 约 3000 万个数据点 具有 5 个特征 我已使用 K 均值将其减少到 200 000 个集群 数据是大约 150 000 个时间步长的时间序列 我想要训练模型的数据是每个时间步上特定簇的存在 预测模型的目的是生成一个
tensorflow
TimeSeries
Prediction
如何使用 SVM 预测多类情感分析问题中的所有类?
好吧 我正在制作一个情感分析分类器 我有三个类别 标签 积极 中性和消极 我的训练数据的形状是 14640 15 其中 negative 9178 neutral 3099 positive 2363 我对数据进行了预处理 使其标准化 并将
python
machinelearning
scikitlearn
SVM
Prediction
Python 中的自动 ARIMA 导致趋势拟合预测不佳
ARIMA 新手 尝试使用自动 ARIMA 在 Python 中对数据集进行建模 我正在使用 auto ARIMA 因为我相信它会更好地定义 p d 和 q 的值 但结果很差 我需要一些指导 请参阅下面我的可重复尝试 尝试如下 DEPEND
python
datascience
Prediction
ARIMA
pmdarima
插入符使用插入符训练对象返回的预测与使用提取的最终模型返回的预测不同
在拟合模型时我更喜欢使用插入符号 因为它的相对速度和预处理功能 然而 我对它如何做出预测有点困惑 当比较直接从训练对象做出的预测和从提取的最终模型做出的预测时 我看到了非常不同的数字 来自火车对象的预测似乎更准确 library caret
r
Prediction
rcaret
如何在Python中使用保存模型进行预测
我正在 python 中进行文本分类 我想在生产环境中使用它来对新文档进行预测 我正在使用 TfidfVectorizer 来构建 bagofWord 我在做 X train vectorizer fit transform clean d
python27
scikitlearn
NLTK
Prediction
使用树输出预测 Spark 中梯度提升树情况下的类概率
众所周知 Spark 中的 GBT 目前可以为您提供预测标签 我正在考虑尝试计算一个类的预测概率 假设所有实例都落在某个叶子下 构建 GBT 的代码 import org apache spark SparkContext import o
Tree
Probability
Prediction
apachesparkmllib
boosting
张量流将预测作为 b64 输出顶部结果
我有一个 Keras 模型 我将其转换为张量流服务模型 我可以成功地将预训练的 keras 模型转换为采用 b64 输入 预处理该输入并将其提供给我的模型 我的问题是我不知道如何获取我得到的预测数据 这是巨大的 并且只导出最高结果 我正在进
python
tensorflow
Prediction
Predict
tensorflowserving
使用支持向量回归进行时间序列预测
我一直在尝试使用Python语言中的支持向量回归来实现时间序列预测工具 我使用 scikit learn 中的 SVR 模块进行非线性支持向量回归 但我对未来事件的预测有严重的问题 回归线非常适合原始函数 根据已知数据 但一旦我想预测未来的
python
TimeSeries
Regression
Prediction
SVM
R 中使用插入符号进行分类的预测(模型)和预测(模型$ FinalModel)之间的区别
有什么区别 predict rf newdata testSet and predict rf finalModel newdata testSet 我训练模型preProcess c center scale tc lt trainCon
r
Classification
Prediction
rcaret
DecisionTreeRegressor 的 Predict_proba 的等效项
scikit learn 的DecisionTreeClassifier支持通过以下方式预测每个类别的概率predict proba 功能 这不存在于DecisionTreeRegressor AttributeError Decision
python
scikitlearn
Regression
Prediction
Decisiontree
在 Weka 中对单实例进行分类
我使用 WEKA gui 训练并创建了 J48 模型 我将模型文件保存到我的计算机上 现在我想用它对我的 Java 代码中的单个实例进行分类 我想获得对属性 簇 的预测 我所做的如下 public void classify double
machinelearning
Classification
Weka
Prediction
Decisiontree
面板数据中汇总回归模型的模型预测
我正在尝试生成一个预测模型 在该模型中 我每年都会进行多次汇总回归 基于前几年 从而允许系数随时间变化 这在提供的示例数据中可能没有意义 但在我的示例中实际上是这样做的 这是我到目前为止的想法 我将代码调整为 plm 包中的可重现示例 数据
r
linearregression
Prediction
datamanipulation
paneldata
多项式回归废话预测
假设我想用二次 正交 多项式拟合线性回归模型 然后预测响应 这是第一个模型 m1 的代码 x 1 100 y 2 3 x 5 x 2 rnorm 100 m1 lm y poly x 2 prd 1 predict m1 newdata d
r
Regression
Prediction
在传递给 R 中 Arima() 的 xreg 参数之前,我们是否需要对外生变量进行差分?
我正在尝试在 R 中使用 ARIMAX 构建预测模型 并需要一些关于如何在 xreg 参数中处理协变量的指导 据我了解 auto arima 函数在拟合模型 来自训练期数据 时负责协变量的差异 并且我也不需要差异协变量来生成测试期 未来值
r
TimeSeries
Prediction
forecasting
ARIMA
在 R 中具有负值的 3d 黄土平滑上设置上限 0
我有一个有点奇怪的问题 但希望有人能帮助我 我正在尝试创建湖底的表面图 然后添加一些显示植物频率的点 以便直观地了解整个湖中水生植物的分布情况 现在 我正在分别使用 R 中的 scatterplot3d 和lattice 包在 scatte
r
interpolation
Regression
Prediction
loess
scikit-learn中predict与predict_proba的区别
假设我创建了一个模型 并且我的目标变量是0 1 or 2 看来如果我使用predict 答案是 0 1 或 2 但是如果我使用predict proba 我得到一行 每行 3 列 如下所示 例如 model Classifier It co
python
machinelearning
scikitlearn
Classification
Prediction
WEKA 生成的模型似乎无法预测给定属性索引的类别和分布
Overview 我正在使用 WEKA API 3 7 10 开发者版本 来使用我预制的 model files 我制作了 25 个模型 五种算法的五个结果变量 J48决策树 http weka sourceforge net doc de
Java
machinelearning
Weka
Decisiontree
Prediction
使用 scikit-learn 的 Imputer 模块预测缺失值
我正在编写一个非常基本的程序来预测数据集中的缺失值scikit learn 的输入器 class 我制作了一个 NumPy 数组 创建了一个带有策略 mean 的 Imputer 对象 并对 NumPy 数组执行了 fit transfor
python
NumPy
scikitlearn
Prediction
imputation
是否可以预测数字生成器中的下一个数字? [关闭]
Closed 这个问题需要多问focused help closed questions 目前不接受答案 对于编程来说 它永远不是 随机的 甚至随机生成器也使用算法来预测随机数 但是 如果知道生成方法 是否有可能预测接下来将生成的 5 个数
Random
Prediction
1
2
3
»