问题标签 [machine-learning-model]

我正在使用以下方法来拟合数据模型，无论输入参数如何，它总是给出 0.0768385736953838 作为预测值

背景资料：

我正在处理一些气候数据，我想使用包含气候和卫星衍生特征的数据集来预测作物产量。

这是一个时间序列回归预测问题，我想通过 XGBoost 和 Lasso 来生成我的预测。但是，我的特征和目标变量之间的采样频率不匹配；每周记录特征，每年记录目标变量。

目前，我使用宽格式表作为 ML 模型的输入数据集，但我觉得当输入表采用宽格式格式化时，我的模型无法生成准确的预测，因为比较的样本较少如果我使用长格式表。

数据表参考：

作为参考，宽格式表看起来像这样，其中后缀表示功能上的周数：

长格式表看起来像这样：

问题：

是否建议使用长格式表作为我的 ML 模型的输入？我觉得每个相关 ID 和年份的相同作物产量会让我的模型失望。

此外，是否有更好的方法来构建我尚未探索的数据？

很长一段时间以来，我对 KNN 算法有一些疑问，即 KNN 根据最大​​计数预测测试实例的标签，对吗？在这种情况下，当所有输出标签的计数相等时会发生什么？例如，有 3 个标签，K 值设置为 5，计数为 2,2,1 表示第一个标签为 2，第二个标签为 2，第三个标签为 1。在这种情况下，我们如何做出决定？我也很好奇sklearn是如何实现算法来面对这种问题的？

我尝试更改tf.gfile.GFile为 tf.io.gfile.GFile 并且也尝试过import tensorflow.compat.v1 as tf但没有任何效果。它没有读取新保存的文件。修改后我保存了。

我用于get_dummies()分类数据并训练了我的模型。结果很好，但是在用户输入之后，我如何再次使用模型进行预测，因为我不能要求用户输入所有的1and 0。

有什么方法可以获取输入并与列名匹配，如果匹配，则将输入设为 1 并将其他所有内容设为 0？我知道这可以使用一种热编码来完成，但我现在不想更改现有代码（而且我不完全确定如何使用一种热编码），因此不胜感激。

我正在使用 YOLO 版本 5 来训练我的自定义数据。我的训练样本包含 2940 张图像（我感兴趣的对象（即脑微出血）的正负样本数量相等）。

我最初将其中一个 YOLOv5 模型训练了 300 个 epoch，但注意到该模型过度拟合，因此我再次重新训练。仍有进一步改进的空间，所以我刚刚开始再次重新训练 100 个 epoch。

我的问题是：我的训练数据保持不变可以吗？我没有向其中添加任何正样本或负样本，我只是继续在相同的训练数据集上重新训练而不修改它。

我试图在 Keras 中创建自定义增强层。这个想法是为了进行更快的扩充（而不是运行相同的函数 BATCH_SIZE 次，而是在整个批次中运行一次）。

我陷入了这个功能：

在训练时，函数获取形状的输入，(None, 128, 128, 3)其中最后 3 个数字表示图像的形状。对于我的不理解，第一个None应该是批量大小，它不是确定性的（出于某种未知原因）。

我的问题就在这里。在我的函数中，我使用np.random.ranf(inputs.shape)不满意None作为形状指示器并引发错误：

另一方面，我不知道如何获得计算的批量大小。自定义增强层的代码如下。任何帮助，将不胜感激！

编辑：我知道我可以在 Input() 层中指定批量大小，它确实解决了问题，但是有没有办法在不指定输入层中的形状的情况下做到这一点？所以它可能更通用。

我在以下教程的帮助下使用 Tensoflow 对象检测 API 创建树检测器：https ://www.youtube.com/watch?v=a1br6gW-8Ss

我的问题是模型过度拟合了训练集。我怎样才能避免它？我的训练集由 130 张图像组成，图像中平均标记了 4 棵树。共有7种。我使用的模型是：在 COCO 数据集上预训练的“Faster R-CNN ResNet50 V1 640x640”..（链接如下） https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/ tf2_detection_zoo.md 在教程中使用以下模型“EfficientDet D0 512x512”，但该模型也过拟合了我的数据集，所以我尝试使用“Faster R-CNN ResNet50 V1 640x640”。

我用来减少过拟合的技术是

1. 辍学（率=0.675）
2. 数据增强（random_crop）
3. 低学习率（learning_rate_base: .008 , total_steps: 25000 .warmup_learning_rate: .0001）
4. 原始图像尺寸为 860x860，我将它们调整为 tp 640x640 并在 xml 中更改了边界框坐标。

我应该在模型配置中添加或更改什么以避免过度拟合？

这是我的模型配置文件：

我正在尝试通过从 BERT 中提取词嵌入并将词嵌入提供给机器学习模型来解决产品匹配任务。

但是，准确性并不好。

我尝试了不同的截断策略，并使用单个属性或连接的 2 个属性作为词嵌入的输入，但准确性并没有提高很多。

您能否建议我如何提高模型的性能？

这是github中的项目 https://github.com/jajawong/Data-Science/blob/main/Copy_of_FineTuneBert_Feature_Extraction%20(1).ipynb

我正在了解机器学习的工作原理并最终构建了一个小型 C# 应用程序，因为我正在观看一个教程，其中模型确定特定蜜蜂是什么种类的蜜蜂。它在 C# 应用程序中运行良好，但我也在开发一个具有拍照功能的应用程序项目，所以我想“没有理由我在第一个项目中保存的模型不能在第二个项目中工作，对吧？”。显然它不能工作是有原因的，因为这是在应用程序项目中查看的必要代码：

我在“m_loadedTrainedModel = m_mlObj.Model.Load(fileDir, out m_modelSchema);”上有一个断点 当然，它总是会触发异常。

异常状态：

---> System.TypeLoadException：无法加载字段'Microsoft.ML.Transforms.DnnRetrainTransformer：_tfInputShapes'（9）的类型，原因是：无法从typeref解析类型为01000060的类型（程序集中的预期类'Tensorflow.TensorShape' 'TensorFlow.NET, Version=0.20.1.0, Culture=neutral, PublicKeyToken=cc7b13ffcd2ddd51') 程序集：TensorFlow.NET, Version=0.20.1.0, Culture=neutral, PublicKeyToken=cc7b13ffcd2ddd5 1 类型：Tensorflow.TensorShape 成员：(null)

我认为这意味着它正在检查 TensorFlow.NET 包中的 Tensorflow.TensorShape 并且没有找到它。如果是这种情况，我相信我没有安装正确的包，所以我的 Xamarin 项目将能够正确加载模型，也许吧？或者如果不是，那么真正的潜在问题可能是什么？代码看起来很简单，所以我有点困惑这是如何失败的。

如果解决方案公然超出我的想象，我很抱歉，并感谢任何愿意提供帮助的人。