问题标签 [multiclass-classification]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
scala - 如何在 Spark 2.1.0 中创建拟合的 PipelineModelS 数组？
我正在尝试将PipelineModel每个经过训练的决策树模型中的一个存储到一个Array. 虽然我创建了一个数组，PipelineModelS但我有以下不匹配错误：
任何人都可以帮助我吗？鸢尾花的数据集（libsvm格式）可以在这里找到https://1drv.ms/u/s!Antm9EMPXrQmgP9zQhgdAdxUBSAtSA。这是示例代码：
python - AttributeError: 'Sequential' 合并模型时没有属性 'get_shape'
我正在尝试创建两个顺序模型（每个模型都在不同的数据集上训练 - 不同的图像）。然后我想取它们的输出的平均值，并添加一个 softmax 层，以给我一个基于两个序列模型的单一分类输出。我的代码在下面，但我得到一个属性错误，说“顺序”对象没有属性“get_shape”。
完整的错误代码是：
关于如何解决它的任何想法？
machine-learning - 结直肠癌数据中阶段的多类分类
我正在使用基因表达数据进行结直肠癌分期多分类项目。我的数据集包含 11 个生物标志物。分类结果约为 40%。我尝试过使用 KNN、SVM、神经网络进行分类的不同模型......，并且我尝试过来自集成机器学习的算法。有谁知道我可以用数据集做什么来改善结果？
python - 检查目标时出错：预期 dense_20 的形状为 (None, 3) 但得到的数组的形状为 (1200, 1)
使用使用 Keras 的 VGG 16，我正在尝试运行三类分类问题，代码如下：
运行代码，我收到错误：
检查目标时出错：预期 dense_20 的形状为 (None, 3) 但得到的数组的形状为 (1200, 1)
请让我知道我必须对代码进行哪些更改才能使其正常运行。我正在使用带有 Python 3.5.2 的 Anaconda，在 Windows 机器上运行。
machine-learning - 使用 Google 搜索术语列表以构建特定类别的词袋
我很难理解构建词袋的过程。这将是一个多类分类监督机器学习问题，其中一个网页或一段文本被分配给多个预定义类别中的一个类别。现在我在为特定类别（例如“数学”）构建词袋时所熟悉的方法是收集大量与数学相关的网页。从那里，我将执行一些数据处理（例如删除停用词和执行 TF-IDF）以获得类别“数学”的词袋。
问题：我正在考虑的另一种方法是在谷歌中搜索“与数学相关的术语列表”之类的内容来构建我的词袋。请问这种方法可以吗？
另一个问题：在这个问题的上下文中，词袋和语料库是否意味着同样的事情？
先感谢您！
machine-learning - 为二元分类训练多类分类器
如果一个数据集包含多个类别，例如 0-class、1-class 和 2-class。现在的目标是将新样本划分为 0-class 或non-0-class。
一罐
- 将 1,2-class 组合成一个统一的 non-0-class 并训练一个二元分类器，
- 或者训练一个多类分类器来进行二分类。
这两种方法的性能如何？
我认为更多的类别会带来更准确的判别面，但是 1 类和 2 类的权重都低于非 0 类，导致判断为非 0 类的样本更少。
machine-learning - 当一个训练示例中存在多个类时，如何训练 VGG 网络？
我最近切换到 TFlearn 来计算我的网络准确性，以便对图像进行分类并创建最先进的结果。我正在使用这个来自 TFlearn 的确切文件，数据集除外。我想重现 VOC2007 数据集的准确性，下载了所有图像和 groundtruth，并编写了一个函数来创建一个包含所有图像的 4D 张量和一个包含所有类索引的 2D 张量。它们的形状分别为 [?, 224, 224, 3] 和 [?, 20]。现在我注意到，类索引不是一个热标签，而是一个图像中可以存在多个类。由于 TFlearn 允许存在多个类，因此网络性能非常差（准确度约为 30%，是的，我更改了输出类的数量）。我想知道，如何解决这个问题。我应该每张图片只允许一个类吗？但是，如果图像中有两个类别，并且我根据第二个类别对其进行正确分类，这将是一个正确的检测，我会将其误分类为错误。我有什么选择吗？我没有看到“one-hot”选项或类似的东西（比如在 oxflowers 数据集中）。
谢谢你的帮助！
machine-learning - 机器学习多分类：为什么使用“one-hot”编码而不是数字
我目前正在研究 tensorflow 的分类问题，而且我是机器学习领域的新手，但我没有得到任何东西。
我已经成功地尝试训练输出这样的y张量的模型：
但我无法理解它背后的校长......
为什么不只训练相同的模型来输出类，例如y = 3或y = 4
这似乎更加灵活，因为我可以想象有 200 万个可能的类的多分类问题，并且输出 0-2,000,000 之间的数字比为每个结果输出 2,000,000 个项目的张量要高效得多。
我错过了什么？
machine-learning - 生成对抗网络需要类别标签吗？
我试图了解如何训练 GAN。我相信了解对抗性训练过程。我似乎找不到相关信息：GAN 在训练过程中使用类标签吗？我目前的理解说不 - 因为鉴别器只是试图区分真实或虚假图像，而生成器试图创建真实图像（但不是任何特定类别的图像。）
如果是这样，那么研究人员如何提议将鉴别器网络用于分类任务？该网络只能在真实或虚假图像之间执行两种分类。生成器网络也很难使用，因为我们不知道输入向量“Z”的什么设置会产生所需的生成图像。
design-patterns - 模式识别/数据分类
我正在开发一个项目，我必须在其中分析大量数据。它是一种实时监控系统，应用于电气设备。
情况是这样的：在一个想象的场景中，我将有一个向量，例如：
[1.4, 5.1, 23.3, 4.5, 12.5, 6.1, .....]（N值的大小）
我必须建立 3 种类型的“分类”，它们可能是：
1）如果向量中有几个“1.5”，则做事件A。
2）如果向量中有几个“5”，则做事件B。
3）如果向量中有几个“15”，则做事件C。
实际上必须做的是分析接收到的信息并根据它执行不同的事件。
我应该使用哪种技术模式识别、数据分类等？