问题标签 [machine-learning-model]

我对机器学习很陌生。我有一个数据集，其中包含 f1 比赛给我的数据。用户正在玩这个游戏，并给了我这个数据集。通过机器学习，我必须处理这些数据，当用户（我知道他们是 10 岁）玩游戏时，我必须识别出谁在玩。

数据由发生在 1/10 秒频率的数据报包组成，数据包包含以下内容Time, laptime, lapdistance, totaldistance, speed, car position, traction control, last lap time, fuel, gear,..

我曾想过使用以监督方式使用的 kmeans。哪种算法可能更好？

尽管在 O(n^d) 维空间中工作，但我无法理解计算内核 K(x,z) 仅需要线性时间。请解释一下。我是 ML 的新手。

抱歉，如果以前有人问过这个问题，我曾尝试在网上查找，但也许我不知道正确的术语，因为我发现的结果大多试图通过拆分数据集来解决过度拟合问题。

因此，当我的模型在验证数据上停留在 30% 的准确度并且拒绝改进时，我的策略往往是尝试更改每层的节点数、批量大小或 epoch 数。有时这很有帮助，但有时它似乎根本没有多大作用。

人们在这种情况下通常会做什么？

我创建了几个模型并使用箱线图绘制了它们的准确性。方框外的圆圈是什么意思？

我使用 caret 包来构建模型和以下代码来制作图片。

我已经训练了一个逻辑回归模型。现在我必须用新的训练数据集更新（部分拟合）模型。可能吗 ？

我在 Keras 中训练了一个模型，并以不同的方式保存它，例如；

或者

但是当我将训练好的模型加载到另一个程序中进行预测时，我得到的结果与测试结果大不相同。

为什么会发生这种情况，我该如何处理？

在数据框中打乱一组行的最佳方法是什么？需要这个模型的洗牌训练集。

例如，将每 10 行打乱为一个单独的组，或者有一些逻辑条件来创建单独的组并将它们打乱为一个组。

数据集生成如下：

我的任务是编写训练函数，然后在原始集和拆分集上训练模型。这是我的火车功能：

首先，我在这样的原始数据集上训练模型（例如，多项式特征 degree = 3）：

结果是这样的：

train_on_original_set

但是，当我像这样使用 train_test_split 拆分数据时，以及在训练集上的训练模型之后：

结果很奇怪：

train_on_train_set_after_split

我是 ML 的初学者。我正在研究预测出租自行车的行程持续时间的项目，但是当我绘制相关系数时，我没有看到输入变量和目标之间有任何强​​烈的相关关系，即行程持续时间。我的问题是哪种机器学习方法适用于这种情况？

我已经使用 tenserflow 和 keras 在 MAC 上训练了 cnn 模型。我可以将这个训练过的模型移动到另一台有 Windows 的 PC 上吗？如果是，那么我们可以在没有安装tenserflow、keras的情况下使用该训练有素的模型进行预测吗？