- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个关于如何处理一些有趣数据的问题。
我目前有一些数据(计数是真实的,但情况是假的),我们可以预测人们今天会在网上购买的 T 恤数量。我们对每个人的特征属性都了解很多,而且这些属性每天都在变化。我们还知道每个人前几天购买了多少件 T 恤。
我想要的是一种算法,能够生成一个连续变量,该变量是该人今天要购买的 T 恤数量的排名或“分数”。我的最终目标是,如果我可以将这个分数附加到每个人身上,我可以根据分数对他们进行排序并在特定的 UI 中使用它们。目前,我一直在使用 sci-kit 的随机森林回归,其中我的目标类别是每个人昨天购买 T 恤的数量。效果非常好,只是我的数据有点困难,因为有很多人购买了 0 件 T 恤。这是一个问题,因为我的随机森林给了我很多预测的 0 类,但我无法有效地对它们进行排序。我明白为什么会发生这种情况,但我不确定解决它的最佳方法。
我想要的是一个非零分数(即使它是一个接近 0 的非常小的数字),它可以告诉我有关特征和预测类别的更多信息。我觉得我的一些特征一定能够告诉我一些事情,并给我一个比 0 更好的预测。
我认为固有的问题是使用随机森林回归器作为算法。每棵树都获得投票;但是,零太多,以至于有很多森林,所有树都投票给 0。我想尝试另一种算法,但我不知道哪种算法效果最好。目前,我正在对整个数据集进行训练,并使用 scikit 提供的袋外估计。
这里是数据类的计数(使用Python的Counter([target classes])。设置如下:{predicted_class_value: counts_of_that_value_in_the_target_class_list}{0: 3560426、1: 121256、2: 10582、3: 1029、4: 412、5: 88、6: 66、7: 35、8: 21、9: 17、10: 17、11: 10、12 : 2、13: 2、15: 2、21: 2、17: 1、18: 1、52: 1、25: 1}
我尝试了一些方法来操纵训练数据,但我真的在猜测要做的事情。
我尝试过的一件事是将训练集中的零数量缩放为基于其他数据的线性缩放量。因此,我没有向算法传递 350 万个 0 类行,而是将其缩小到 250,000 个。所以我的训练集看起来像:{0: 250,000, 1: 121256, 2: 10582, 3: 1029, … }。这对算法返回的 0 数量有很大影响。我已经从算法将 99% 的数据猜测为 0 变成了大约 50%。然而,我不知道这是否是一件有效的事情,或者是否有意义。
我尝试过的其他事情包括增加森林大小 - 然而这并没有太大的效果,告诉随机森林仅对每棵树使用 sqrt 特征 - 这已经产生了相当好的效果,并使用袋外估计——这似乎也有很好的结果。
总而言之,我有一组数据,其中一个类别的数据量不成比例。我希望有某种方法来生成一个连续值,该值是预测数据集中每个值的“分数”,以便我可以对它们进行排序。
感谢您的帮助!
最佳答案
这是一个不平衡的类问题。您可以做的一件事是过采样/欠采样。欠采样意味着您从多数类中随机删除实例。过度采样意味着您使用少数类中的替换实例进行采样。或者您可以结合使用两者。您可以尝试的一件事是 SMOTE[1],它是一种过采样算法,但它不只是从少数类中采样现有实例,而是创建合成实例,这将避免过度拟合,并且理论上会更好地泛化。
[1] Chawla、Nitesh V. 等人。 “SMOTE:合成少数过采样技术。”人工智能研究杂志(2002):321-357。
关于machine-learning - 使用大量数据偏向某一类别来预测类别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32189310/
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务,尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗? 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序,例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传,然后将该文件作为二进制文件存储到数据库中。在我存储它之后,我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库,因为我使用 Google 应用引
我正在尝试制作一个宏,将下面的公式添加到单元格中,然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ,但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash,版本5.0.3(1)-发行版(x86_64-pc-linux-gnu),我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里,为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时,它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单,因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面,我可以在其中返回用户帖子,可以使用一些 jquery 代码对这些帖子进行即时评论,在发布新评论后,我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用,
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列,它是一个数字,如帐号,并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么? Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中,我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段,我可以在其中输入任何字符,但然后将输入的值小写,删除任何非字母数字字符,留下“。”而不是空格。 例如,如果我输入: 地球的 70% 是水,-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情,但出于某种原因我没有得到想要的结果?我是 javascript 的新手,但对 java 有经验,所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理;用户登录,他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout,我想在 UITableViewCell 上放置一个 UIlabel,它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量,然后测试cols和rols是否相同。如果是,它将运行递归函数。但是,我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗? 现在,在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀!