回答情况：
提问时间：
问题标签：
1回答
我和本征中的张量一起工作，需要把两个张量连在一起，形成一个高阶张量。例如：我知道我可以用一些for循环来实现这一点，但是有更好的方法吗？Average time (ns) for explicit loop: 196.782因此，在我的测试设置中，天真的显式循环比收缩更快(虽然更混乱)。#include &l
浏览 2修改于2018-04-17得票数 1
回答已采纳
4回答
我正在处理一个具有许多潜在预测器的数据集，如：儿童人数:离散和数字
婚姻状况:绝对(已婚/单身/离婚)。)问题:连续特性很容易处理，规范化，并将其提供给模型，那么分类和独立的特性呢?注意:我知道遵循某种模式的分类特征可以被编码为整数并提供给模型，但如果这些分类特征作为整数没有任何意义(1表示单数，2表示已婚，3表示离婚；对于将其作为定量预测器的模型，将其作为定量预测器的模型没有意义
浏览 0修改于2019-04-12得票数 6
回答已采纳
我有一个具有四个连续特征的两类Bayes分类问题。我正在尝试部分复制Orange用于计算概率的bayes算法。但我没有成功地获得与Orange输出相同的值。( 1)对于具有连续特征的Orange Bayes算法，有谁能给出评论？
浏览 0提问于2015-06-17得票数 0
回答已采纳
通常，具有文本数据的特征被转换为数字类别，并且连续的数字数据被原样馈送，而不进行离散化。它会在内部对连续的数字数据进行绑定吗？或者将每个数据视为离散级别。例如:我想向RF提供一个数据集(当然是在对文本特征进行分类之后)。RF如何处理连续数据？在进料之前离散化连续数据(在本例中为经度和纬度)是否可取？或者这样做会丢失信息？
浏览 1提问于2015-09-20得票数 2
我拥有的：
我在做图像处理，我的特征可能在0-255范围内。使用一些培训数据，我可以定义一些间隔(只定义“是对象或不是对象”)。如果goods是匹配点的间隔数，并且bads被标记为它的环境。
浏览 1提问于2015-12-11得票数 2
回答已采纳
我有一组变量，我想用于回归或分类问题。在计算了这些变量的相关矩阵后，我发现其中一些变量的Pearson相关值高达1。在不冒失去信息的风险的情况下，是否可以安全地移除其中的一个？如果是，如何选择要移除的？
浏览 0提问于2016-03-12得票数 2
回答已采纳
有人知道python如何学习随机森林实现如何在拟合过程中处理连续变量吗？我很想知道它是否进行了任何类型的绑定(如果是的话，它是如何进行绑定的)，还是连续变量只是作为一个范畴变量来处理呢？
浏览 0提问于2016-10-19得票数 2
回答已采纳
假设在机器学习问题中，dataset中有几个分类特征。
处理分类特性的一种常见方法是一种热编码。然而，在此中，作者将应用于分类特征，然后再进行模型拟合和特征导入。我想问的是，一般而言，sklearn算法是否将OrdinalEncoded特性视为连续的或绝对的特性。如果滑雪板模型将OrdinalEncoded特性视为连续特性，那么它是否是处理分类特性的正确方法？
浏览 9提问于2022-09-06得票数 0
回答已采纳
我的预测模型中既有分类特征，也有连续特征，我希望选择(和排序)最重要的特征。
我使用一个热编码将所有的分类变量转换为虚拟变量(为了更好地解释我的logistic回归模型)。一方面，我使用LogisticRegression (sklearn)，并通过使用它们的系数对最重要的特征进行排序。通过这种方式，我将分类变量和连续变量都视为最重要的特性。另一方面，当我想使用决策树模型(SelectFromModel)对特征进行排序时，他们总是先给连续的特征
浏览 0修改于2020-11-25得票数 9
回答已采纳
我的数据包含许多连续变量，我希望使用age函数来扩展其中的一个变量( scale )。我应该在火车集合中缩放这个变量，然后根据火车集的在测试集中进行缩放，这样我就不会得到信息泄漏。我这样做的方法是在火车组和测试集中分别缩放年龄特征，这是不完全正确的。
浏览 6修改于2022-11-14得票数 1
回答已采纳
我正在尝试从许多连续的特征中预测一个二元(分类)目标，并希望在进入模型拟合之前缩小您的特征空间。我注意到SKLearn的特征选择包中的SelectKBest类在虹膜数据集上有以下示例(它也是从连续的特征中预测一个二元目标)：
from sklearn.datasets import load_iris然而，我的理解是，chi2测试严格意义上是为了在我们具有预测分类性能的分类特征的情况下使用。我不认为chi2测试可以用于这样的场景。我的理解是错的吗？chi2检验是否可以用
浏览 0提问于2018-04-16得票数 5
假设我有一个数据集，其特征值是连续的，并且有两个以上的可能标签(例如: rain、sunny、windy等)，我应该在sklearn中实现哪个朴素贝叶斯模型？ 我在考虑高斯或多项式。然而，多项式适用于离散特征，我尝试了高斯，但事实证明，预测的准确性就像随机选择。 谢谢你的帮助，一格
浏览 30提问于2021-04-26得票数 0
回答已采纳
连续特征离散化往往会导致信息的丢失。然而，卡格尔泰坦尼克号的大多数顶级解决方案都是基于离散化(年龄、票价)。
什么时候应该离散连续特征？是否有任何关于准确性的标准和利弊。
浏览 0修改于2017-10-16得票数 7
但是它不是也失去了关于特征距离的信息吗？例如，如果我们有height作为连续特性，我们就可以创建very small、small、medium、large和very large。对于预测的特征来说，这将更加糟糕--我假设尝试预测height数的回归比试图预测height离散类别的分类器要成功得多，因为回归的代价函数可以说明距离正确的高度，但是分类器的成本函数只能回答“正确”或“
浏览 0提问于2018-11-09得票数 0
回答已采纳
如果我有一个连续的特色数据，我如何确定一个分割点。我遇到了一些资源，说要在每两个点之间选择中点，但考虑到我有8000行数据，这将非常耗时。输出/特征标签具有类别数据。
浏览 20提问于2019-06-01得票数 0
例如，我在桌子下面，这是一个简单的分布20岁以上的人。-2、、C/17、C、B、B、C、B、C、B、B、C、C、B、B、C、B、B年龄再分配指标--人的统计实际上，通过使用相同的数据集，我可以创建更多包含不同年龄范围组合的表。不应该有太多的或太少的类，不应该有太多的类变化，much.Distribution应该足够平滑，也就是说，每个类所涵盖的项的数量不应该有太多的变化。
由于这个问题只是一般的情况
浏览 2修改于2012-07-02得票数 2
我的训练数据中既有离散特征，也有连续特征。我想使用最大互信息进行特征选择。如果我有向量x和标签y，并且前三个特征值是离散的，我可以像这样获得MMI值：现在我想在管道中使用相同的互信息选择我想做这样的事情但是没有办法将离散特征掩码传递给SelectKBest。
浏览 2提问于2017-04-27得票数 4
我有一个分类和连续的混合特征。commission")我找不到任何方法来指定哪些特性是绝对的，哪些是连续的
浏览 4提问于2017-06-02得票数 1
回答已采纳
这并不是我所要处理的，但我的大部分特征都是布尔特征，所以做一个类似的向量和观察余弦距离并不是特别困难。我也有一个连续的特性，我缩放并包含在向量中。它是连续的，但它也有一个明确的“方向”(不确定这是否是正确的术语)。一个方向上的错误与另一个方向上的错误不一样。(第二个问题是，我如何决定如何最好地缩放布尔功能旁边的这个连续特性？)
浏览 0修改于2018-07-31得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号