问题标签 [prediction]

我的算法为给定的氨基酸序列预测了几个可测量的特性。现在给出一个包含真实测量值和我的值的表格，我如何计算我的算法的执行情况？

例子：

==> 算法表现不错。

有没有办法量化这个？

我有一个网站一年的数据。我想训练一种机器学习算法来根据某些变量（例如，字数、发布时间等）预测新内容的成功与否

我想获取一条新数据，输入有关它的某些特征，并获得它在网站上表现如何的概率。

此外，我想继续将未来的数据添加到训练集中，并不断训练算法以随着时间的推移变得更智能。

我的问题是：我应该如何使用 scikit-learn 来完成这项工作？

这是我的字典格式：

词频

走了60

去 10

去 30

到目前为止，系统会返回单词，例如以“g”开头的 go30、gos10、goone60 作为列表。（按字母顺序）。我想提高系统的准确性，以便搜索结果基于频率。高频词首先出现。请帮助。

这是逐行读取字典的 Text midlet 类。

SortListModel 类具有从文本字段 datachangeLister 获取前缀的过滤器方法

我有一个购物网站。我想建立一个简单的预测模型来预测用户在单次访问时购买某种产品的可能性（在每个页面上花费的时间，她来自哪里，她红了多少评论等），当他可能留下一页等

在 Ruby on Rails、Python 或 Java 中有哪些可用的工具来完成这项任务？典型的统计建模技术（例如逻辑回归、线性回归）是否适用于这种情况？

谢谢你。

可能重复：
C++ 中嵌套类型/类的前向声明

对于类的简单交叉引用，预先声明类名并将其用作引用是可行的。以这种方式，表示是一个指针。但是如果我想交叉引用两者的嵌套类（看下面的例子），我会遇到麻烦，因为似乎没有办法预先声明一个嵌套类。

所以我的问题是：有没有办法预先声明嵌套类，以便我的示例可以工作？

如果没有：是否有一个通用的解决方法，这不会使代码过于丑陋？

I've developed a model using Libsvm in Matlab. I've choose best parameters using CV and I obtained the model training the whole dataset. I use normalization to get better results:

Now how can I use directly my model to obtain classification for new data? I mean for records that haven't class label. Do I have to manually build functions from model information?

我想知道如何制作与 dpcm 相关的预测算法，以便将所有这些压缩/调制应用于 wav 文件。我需要使 wav 文件更小（）

我正在寻找一种算法/推荐引擎来根据推文内容的评级“推荐”推文：

从包含 1000 条评级（1 到 5）条推文的数据集中，根据来自另一个数据集的评级推文推荐推文，例如 ... 10 000 000 条推文。

我们正在寻找的是已经在 C#/.net 上实现的东西，我们查看了 Aforge，但我们不确定哪种算法最适合我们的目的。

我们还查看了谷歌预测引擎，但它是付费的，我们这样做只是为了好玩。

我们用 acf 和 pcf 分析了一个数据集，并看到了使用 arima 的必要性。Arima 被执行并提供系数。现在我们想用它来预测一个随机值。当我做对时，预测或预测的预测是预期值。但是，我们希望创建正态分布在该预测周围的随机值 - 正如在原始数据中观察到的那样。我们怎样才能轻松应对？

谢谢！最好的，F！

我是 SVM 的新手。我将 Libsvm 用于 Matlab，在预测阶段之后，我得到了一个决策值数组。从 SVM 理论：如果每个测试记录 z 被分配为正

f(z)=1

其中 f(z) 定义为

f(z)=符号(w*z+b)

那么如何将实例 z 的数组中的决策值与 f(z) 关联起来呢？基于决策值的预测是否是这样的：如果 dec_value>0 则 z 为正，否则 z 为负？