gpt4 book ai didi

machine-learning - 对现有模型在某些特征上具有新值(value)的新实例进行分类

转载 作者:行者123 更新时间:2023-11-30 09:23:16 25 4
gpt4 key购买 nike

我创建了一个带有神经网络(反向传播)的模型,然后我想对一个实例进行分类。

我做了什么:

  • 对每个特征进行常规标准化的标准化
  • 每个特征的值都是从0到1

问题是如何将一个特征(或某些特征)中具有新值(或一些新值)的新实例与我之前制作的现有模型进行分类?

有人有针对这种情况的解决方案吗?或者我可以用来解决这个问题的一些引用资料?

谢谢

<小时/>

实际上,我与校园里的随机讲师进行了讨论,他有一个想法通过分配我在构建模型的过程中得到的错误来解决这个问题。然后,可以匹配新实例或查看该实例在分布(如高斯分布、混合高斯分布或经验分布)中的可能性。但这个想法中出现的问题是,我们仍然必须获得该实例的错误,以便我们可以看到分布中的可能性(或者这意味着我们仍然必须将实例分类到与实例相同的现有模型/函数中)用于误差分布的函数)。

<小时/>

我也和 friend 讨论过,他有一个想法,用FFT来代替真正的归一化函数,所以结果不在一定范围内。但效果是误差可能会因FFT函数结果产生的误差而增加。

最佳答案

作为短期解决方案,也许您可​​以根据属性的值将属性的值设置为 0 或 1(在原始数据集的范围内)。

长期的解决方案是将此类案例纳入 future 的神经网络训练中。这些值可能会导致其他实例的值向左或向右倾斜,因此可能需要注意训练数据的预处理。

希望这有帮助!

关于machine-learning - 对现有模型在某些特征上具有新值(value)的新实例进行分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26798894/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com