问题标签 [mse]

我有一个问题，我正在尝试实施KFoldand cross_val_score。我的目标是计算mean_squared_error，为此我使用了以下代码：

我认为这里没问题，我得到了以下结果：

结果：0.0828856459279和 -0.083069435946

但是当我尝试在其他示例（来自 Kaggle 房价的数据）上执行此操作时，它无法正常工作，至少我认为是这样。

在这里，我得到以下结果：0.912874946869和-6.16986926564e+16

显然，mean_squared_error“手动”mean_squared_error计算与通过KFold.

我对我在哪里犯错感兴趣？

在最初的 Elastic 网络论文中，Zou 和 Hastie，(2005) 检查了前列腺癌数据以进行比较。我想使用glmnetpackage in重新生成结果R。正如论文中提到的，响应是lpsa。训练集和测试集由数据中的变量给出train。我假设alpha = 0.26（如论文中所述）并使用交叉验证来估计lambda. 但我无法得到与论文中给出的相似的均方误差（即 0.381）。我的错误在哪里？

我使用的代码如下所示。

一个简短的背景故事，我正在用 Raspberry Pi 构建一个婴儿监视器，并用 Node.JS 编写一个 Web 前端。我有几部旧手机，我打算把它们放在家里，这样婴儿监视器就可以散落一地。到目前为止，整个系统的大部分工作，除了 iPhone 上的 HLS 视频组件。

HLS 视频部分可以在我的桌面上使用 Linux/Chromium 和我的 Android/Chrome 手机。我还可以让 HLS 视频在带有 Chrome 的 MacBook (10.13.3) 上运行。但是，我真正的问题是我无法让 HLS 视频在任何iOS 移动设备上运行，特别是 iOS 版本 10.3.3 和 11.2.5。

我在客户端使用 HLS.js 来设置videoHTML 元素。我了解移动设备上的 iOS 不支持媒体源扩展 (MSE)，这将解释为什么 HLS.js 不能在我的 iPhone 上运行。但是，移动设备上的“本机”HLS 支持似乎仍然不支持媒体文件的格式。

我正在使用这个picam代码（来自 iizukanao）从 Pi 的相机创建 m3u8 播放列表和相应的 .ts 文件。我怀疑 m3u8 文件没有移动 iOS 客户端想要的格式。我手动弄乱了 m3u8 文件，但没有看到任何积极的影响。我运行 picam 模块：

示例 m3u8 文件：

我认为我有基于此Apple FAQ和 ffprobe 输出的正确编解码器：

我使用 nginx 和此站点配置提供实际的 HLS 文件：

有没有人知道为什么我的 iPhone 认为视频格式不受支持？

如果有帮助，我的全部代码都在 Github 上：（暂时不要评判我的代码，它仍在进行中）

• https://github.com/rbprogrammer/baby-monitor

（我已经用“RPI”替换了各种 IP 地址、主机名和文件名）

我使用 ffmpeg 将 mp4 转换为 m3u8；并且它保持相同的编解码器值。当我使用 fetch 获取 ts 缓冲区并将其附加到 MSE 实例时。如此糟糕。它不起作用。

这里有一些代码：

整个代码

在线测试页面：http ://events.jackpu.com/media-source/

我正在使用 keras 在回归问题上训练模型。当我调查训练期间的损失和指标时，有时mean absolute error (mae)会在一个时期结束时减少，而mean square error (mse)增加。我设置mae为损失和mse度量。

可以吗？还是设置有问题？谢谢

I'm attempting to stream a H.264 video feed to a web browser. Media Foundation is used for encoding a fragmented MPEG4 stream (MFCreateFMPEG4MediaSink with MFTranscodeContainerType_FMPEG4, MF_LOW_LATENCY and MF_READWRITE_ENABLE_HARDWARE_TRANSFORMS enabled). The stream is then connected to a web server through IMFByteStream.

Streaming of the H.264 video works fine when it's being consumed by a <video src=".."/> tag. However, the resulting latency is ~2sec, which is too much for the application in question. My suspicion is that client-side buffering causes most of the latency. Therefore, I'm experimenting with Media Source Extensions (MSE) for programmatic control over the in-browser streaming. Chrome does, however, fail with the following error when consuming the same MPEG4 stream through MSE:

Failure parsing MP4: TFHD base-data-offset not allowed by MSE. See https://www.w3.org/TR/mse-byte-stream-format-isobmff/#movie-fragment-relative-addressing

mp4dump of a moof/mdat fragment in the MPEG4 stream. This clearly shows that the TFHD contains an "illegal" base data offset parameter:

I'm using Chrome 65.0.3325.181 (Official Build) (32-bit), running on Win10 version 1709 (16299.309).

Is there any way of generating a MSE-compatible H.264/MPEG4 video stream using Media Foundation?

Status Update:

Based on roman-r advise, I managed to fix the problem myself by intercepting the generated MPEG4 stream and perform the following modifications:

• Modify Track Fragment Header Box (tfhd):
  • remove base_data_offset parameter (reduces stream size by 8bytes)
  • set default-base-is-moof flag
• Add missing Track Fragment Decode Time (tfdt) (increases stream size by 20bytes)
  • set baseMediaDecodeTime parameter
• Modify Track fragment Run box (trun):
  • adjust data_offset parameter

The field descriptions are documented in https://www.iso.org/standard/68960.html (free download).

Switching to MSE-based video streaming reduced the latency from ~2.0 to 0.7 sec. The latency was furthermore reduced to 0-1 frames by calling IMFSinkWriter::NotifyEndOfSegment after each IMFSinkWriter::WriteSample call.

There's a sample implementation available on https://github.com/forderud/AppWebStream

我不明白我的 rMSE 实现有什么问题。我正在使用 MSE 作为损失函数和度量标准来训练我的模型。训练后，我使用evaluate函数在测试集中评估我的模型，然后使用predict函数获取值。然后我应用 rMSE。我的代码是：

我得到了这个结果：

但是 12.0075311661 的平方不是 2.90274470011。那么，有什么问题呢？

我有一个函数： f(theta) = a+b*cos(theta - c) 以及采样数据。我想找到最小化均方误差的系数 a、b 和 c。知道在 python 中是否有一种有效的方法可以做到这一点？

编辑：

这是一张显示曲线如何不真正适合点的图片。似乎幅度应该更高。当地的最小值和最大值似乎在正确的位置。

我正在尝试在 TensorFlow 上实现自定义损失函数来计算圆形均方误差损失。

我正在获取真实值和预测值的差异，y 和 yPredict 都是向量（1D）。我正在添加另一个变量 2*j*pi，其中 j 的范围从 -20 到 20。但是，计算这行代码似乎存在问题。

这是错误消息：

这是完整的函数和函数调用以及它如何链接到优化器。

功能：

函数调用：

有人可以帮我解决这个问题吗？谢谢！

我使用自定义损失函数，并希望在 epoch 内绘制 MSE（我使用 Keras 库）。这是我用来拟合我的神经网络并保存历史的代码。

当我尝试使用 plot 函数绘制 MSE

我收到这个错误

我怎样才能以正确的方式绘制它？