问题标签 [iris-dataset]

我有以下代码选择 4 行 iris 1000x，并取每个 4 行样本的平均值：

我想计算每列相对于其真实总体参数的偏差。例如使用SimDesign's bias()：

在此代码中，参数的值是假设的真实弹出。数据框中每一列的值。我想以 100 倍的速度执行此过程，以获取数据框中每个变量的偏差估计分布。但是，我不确定如何将所有这些放入 for 循环中（我认为这是要走的路），所以最终输出是一个数据帧，每个 iris 变量都有 100 行偏差测量值。

对此的任何帮助将不胜感激。

#------------------------------------------

更新

尝试为分层样本而不是随机样本运行相同的代码会给我以下错误： *Error in [.data.table(setDT(copy(iris)), as.vector(sapply(1:1000, function(X) stratified( iris, : i is invalid type (matrix). 也许将来 2 列矩阵可以返回 DT 的元素列表 * 我认为这可能与 setDT 有关？

这是以下代码的结果：

我研究了使用以下建议的代码：

我想我理解这个函数在做什么（选择 4 行分层的虹膜，按物种取每列的平均值），但我不知道如何将它应用于原来的问题（4 * 1000）* 100 来测试偏见（我对此很陌生，如果我遗漏了一些明显的东西，我深表歉意）。

我已经为 Iris 数据集实现了一个具有反向传播和 sigmoid 激活功能的 4 层神经网络。它有 4 个输入单元，2 个隐藏层，每个隐藏层 8 个单元，以及一个输出层，有 3 个单元。代码是使用 numpy 编写的，因为我想自己练习实现它。问题在于，在使用测试集对其进行训练和测试之后，它会产生大致相同的输出，因此它将所有测试用例分类为第二类。结果不完全相同的事实让我更加困惑。

这是我的导入和预处理代码：

这是我的主要代码：

这是培训部分：

所以当我运行测试集时，它会产生如下结果：

输出：

我真的被困住了，因为我想知道我在哪里错过了它。