问题标签 [machine-learning-model]

我从我运行的棋盘游戏模拟器的 1000 个会话中创建了数据。我试图弄清楚获胜策略是什么，并跟踪了数据中的几个特征。

我将结果加载到 Azure 机器学习图表中，并将数据集连接到使用线性回归的模型。

我单击“训练模型”并转到“查看输出”。单击随后的链接后，我似乎能够找到 9 个文件。我没有看到任何类似“第 9 列是第 1 列的最佳预测指标”之类的东西。

相反，我看到了一个 iLearner 文件，其中包含很多我无法读取的二进制文件。我看到一个模式文件。还有很多关于运行它的 conda 版本以及数据类型和内容的元文件。

我如何查看哪些功能最能表明我指定的标签？

编辑：

按照建议，我添加了评分模型和评估模型。

我确实在评估结果中看到了一些错误指标 -> 可视化。

火车模型有一个视图输出和一个视图日志，但对我来说没有可视化。当我去“查看输出”时，有很多文件，比如 convert_to_dataset.yaml 和 boosted_decision_tree_regression.yaml。还有一个名为训练模型的目录，其中包含名称为 data_type.json 和 score.py 的文件。似乎都是元数据，而不是“第 1 列最佳预测 X ...”。

我仍然没有看到任何表明最能预测结果的东西。

预测是橙色 实际结果是蓝色年图。

我试过 LSTM，RNNsimple：

以及我尝试过的许多不同的变体

1024-6 个单位我尝试过 dropout 并且没有缩放器我已经更改了 batch_size 使用 L2、L1 调节器进行拟合，我已经改变了每周、每月、每年、每天的数据我尝试了一种复制技术来拥有 10000 个数据行我尝试过使用 ANN 和 batch_input_shape 等等。但我找不到灵魂提款机。

我的数据计数：

我是机器学习和使用 Jupyter 笔记本的新手。我的笔记本电脑有 8GB 内存，但是模型训练很慢而且需要时间。将SSD驱动器插入系统或增加我的RAM会更好吗？哪一个会影响模型训练、加载和测试速度？提前致谢。

好的。所以我对深度学习还很陌生。当我运行我的代码时，我得到了ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 1) 我的尺寸是

我的模型是

我已经引用了这个，但是当我尝试解决方案（当然调整数字）时，我仍然得到了错误。任何帮助，将不胜感激。

我是 Keras 的初学者。我正在关注这个示例，其中我正在使用 Keras 训练二进制分类模型，其中输入数据是从 csv 获取的结构化数据，但出现以下错误

在线

我的代码如下所示

CSV 如下所示

我该如何解决这个问题？

此外，欢迎任何其他输入修复/改进代码/模型！

我使用随机森林回归器来训练我的模型。输入的测试数据是一个主题行（使用 NLP 预处理）和一个帐户 ID。从属特征“y_or_R”是主题的打开率。我现在想通过提供一个主题行和一个帐户 ID 来测试模型，但我收到一个错误，即模型的特征数量与输入不匹配。“df_de”是包含“subject”、“account_id”和“unique_opening_rate”列的数据框。这是代码：

这个问题的可能解决方案是什么？我实际上想在网络上部署模型来预测电子邮件主题行的打开率。所以，请帮我解决这个问题。

是否可以使用决策树从两个或两个以上现有特征中创建一个新特征？

如果是这样，它如何产生具有良好信息价值的特征，可以更好地帮助模型？

我正在研究口罩检测、头盔检测和其他视频检测，然后有人建议我使用 OPENCV GPU CUDA 而不是普通的 opencv cpu，但我发现如何更改 opencv cpu 的代码以将其切换到 opencv GPU 时遇到困难。

例如。我找到了一个使用这行代码进行头盔检测的方法。self.net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV) self.net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)

有人可以告诉我关于 cv2 GPU 实现的任何好的参考。提前致谢。

我一直在尝试找到有关如何从 inference.py 脚本将图像文件上传到 s3 的示例。我使用了我的常规 boto3，但它给了我错误。

它抱怨找不到boto3。不允许从 inference.py 导入 boto3 吗？

随着谷歌最近发布了集成了所有 MLOps 平台的Vertex AI ，我想知道在 GKE 与 Vertex AI（或 AI Platform Unified，因为刚刚进行品牌重塑并且 AI Platform 已经提供服务模型预测的能力）。

我做了很多研究，但发现的信息很少。我已经在 GKE 上托管了我的 ML 模型，是否值得迁移到 Vertex AI？

注意：我不打算在云上进行培训和其他数据预处理。