问题标签 [machine-learning-model]

我正在修改本教程中的代码，但出现此错误：

为代码生成准备 CoreML 模型“Resnet50.mlmodel”时出错：CoreML 代码生成不支持 Target 的主要语言“Swift Interface”。请将 COREML_CODEGEN_LANGUAGE 设置为首选语言

该项目以前使用“Places205-GoogLeNet”模型编译。

其他人有同样的经历吗？

我有一个与现实世界中的机器学习应用有关的问题。这可能听起来很愚蠢，哈哈。

我一直在自学机器学习一段时间，大部分练习都是使用 csv 文件作为数据源（处理过的和原始的）。我想问一下除了导入 csv 文件来为机器学习提供通道/供应数据之外，还有其他方法吗？

示例：实时流式传输 Facebook/Twitter 实时提要的数据以供机器学习，而不是收集旧数据并将其存储到 CSV 文件中。

这就是问题所在： 它需要 2 个变量输入，并预测一个结果。

例如：作为输入和购买/出售的price决定。volumeresult

我尝试使用K-Neighbors没有成功实现这个。你会怎么做？

谢谢！

我面临的问题是在 Xcode 9（Beta 5）中，我的模型的预测调用没有给出任何结果，只是挂在那里，没有错误。

要求是识别用户手机的一个特定动作，并排除其他类似动作。所以我的输入是加速度计分别针对 x、y、z 方向的数据，输出是 [positiveProbability,negativeProbability]。

最初我的模型是用 TensorFlow 后端编写的，然后我将其转换为 Keras 模型并转换为 CoreML 模型。( TensorFlow-1.1.0 Keras-2.0.6 Protobuf-3.4.0 )

这是我的模型的python代码：

这是一个形状为 200x3x1 的顺序模型。导入到 Xcode 后，它看起来像这样：

这是我的 iOS 项目中构造输入的代码：

这是我的预测代码：

但是，model.prediction 调用永远不会给出任何结果，项目只是永远挂在那里。我真的需要帮助找出问题所在，或者至少如何调试问题。

是否可以将经过训练的 Spark ML 模型或交叉验证器保存到 postgree 数据库？我可以找到将其保存到磁盘或 HDFS 的方法，但我们可以将其保存在 RDBMS（例如 Postgree）表中吗？

我有一个如下的数据框：

我正在执行以下操作以获取两个字典：

在哪里

接下来，我正在执行以下操作（以下只是相关代码，还有其他我正在做的事情，我已从以下代码中删除：

得到这样的字典：

same_banknum 字典执行上述计算并找出BankNum多个 ID 是否存在相同的 ID，然后为它们分配High, Low,Moderate值以及它对它的权重，给我们一个字典。

我可以将其转换为如下数据框：

这使：

我想要做的是，我不想为每个进来的新数据集一次又一次地执行此计算，而是想使用机器学习来构建一个预测模型，该模型预测上述SameBankNum_Val和SameBankNum_Wt新 ID（测试数据）。

我可以将SameBankNum_Val&SameBankNum_Wt列添加到上述训练数据框中。但是，我想知道的是： 如何将多列（BankNum, FirstName, LastName, ID）（来自上面的 Dataframe 1）作为火车数据和多列（SameBankNum_Val, SameBankNum_Wt）（来自上面的 Dataframe 2）作为机器中的火车标签学习模式？

此外，机器学习模型是否足够准确地确定何时给出它High，Low或者Moderate价值和什么权重，而无需一次又一次地执行那么长的计算？对于这个问题，我想我只需要先用多个模型进行测试。

请帮忙！谢谢！

LDA vs Naive Bayes 在机器学习分类方面的优缺点是什么？

我知道一些差异，比如朴素贝叶斯假设变量是独立的，而 LDA 假设高斯类条件密度模型，但我不明白什么时候使用 LDA 以及什么时候使用 NB 取决于具体情况？

我有一个包含 4 列的数据框，我的数据库如下所示：

Sl.No Column-1 Column-2 Item code 1 gaddhjhd,dfhhaso dfkjdhf 3027-121 2 fdlkdsa,fdhjudf dfhjdiufu 3027-320 3 dfhidfndf eioruoier 3027-343 4 rieruiq jdjlasjd 3027-420 5 lkjdfi dfjdflajdfi 3027-720

现在我需要在python中建立一个模型，机器必须读取column-1 & Column-2并创建一个字典，如果将来有关键字Column-1 & Column-2进来，它应该显示这个项目代码。

如果将来出现新关键字，则应将该项目代码添加到字典中。像这样我需要创建一个模型。我需要使用哪种型号...任何人都可以帮助我。

我尝试使用存储在 XML 中的一些数据来测试 ML Studio。然而，我尝试了很多东西，即将 xml 转换为 csv，转换为 JSON，但没有找到一种使用 ML Studio 处理这些数据的好方法。

问题不在于转换本身，而只是半结构化的问题。在我看来，应该有一个解决方案，比如使用 CSV 文件作为数据数组或类似这样。

在 ML Studio 中使用 XML 的最佳方式是什么？

我刚刚阅读了Deep MNIST for Experts教程并修改了 mnist_deep.py代码以 saver = tf.train.Saver()在创建会话之前和 saver.save(sess, './mnist_deep_model', global_step=2000)在 for 循环训练模型之后使用来保存训练模型。由于我的工作文件夹中有以下四个文件，因此它似乎已正确保存：

• 检查点
• mnist_deep_model-2000.data-00000-of-00001
• mnist_deep_model-2000.indexs
• mnist_deep_model-2000.meta

我还修改了mnist_deep.py，添加了以下两个函数，以便能够在单个测试图像上一一测试模型：

我还在主函数的末尾添加了一个循环，在该循环中，我在测试集中随机选择一个测试图像，并尝试使用此函数将训练好的模型应用于每个图像。它似乎有效，因为我在这个测试循环中获得了相同的准确度：99.2%

然后我编写了第二个程序：mnist_deep_restore_trained_model.py（也是基于 mnist_deep.py 源代码）试图恢复之前保存的训练模型并将测试图像应用于它期望获得相同的准确性。

当然，我从这个程序中删除了创建、训练和测试模型所需的所有代码（deepnn()函数和所有相关函数、张量创建：x = tf.placeholder(tf.float32, [None, 784])、y_conv、keep_prob = deepnn(x)、loss、optimizer和准确性的东西......），我只是恢复了保存的模型这样：（一旦会话打开）

我还在会话开始时删除了全局变量初始化，因为全局变量的值应该已经从训练模型中恢复：

但是，为了能够应用模型来识别给定测试图像的数字（cf function identifyDigitInImage(sess, x, y_conv, keep_prob, image)），我仍然需要获取张量变量x、y_conv 和 keep_prob。所以我在从磁盘恢复模型后添加了以下几行：

最后，我还在第二个程序的末尾添加了与 mnist_deep.py 中相同的测试循环，期望从这个恢复的模型中获得相同的结果......

不幸的是，我在第一次调用 get_tensor_by_name() 时遇到异常：

其他get_tensor_by_name()调用也会引发同样的异常。

我究竟做错了什么 ？为什么不可能以这种方式获得这些张量？

这是我完整的mnist_deep.py源代码：

这里是我完整的 mnist_deep_restore_trained_model.py源代码：