问题标签 [weighting]

我想在任何分类算法（如 KNN 或 J48）中使用特征之前给数据集的特征赋予权重，但我不知道如何评估加权特征向量。
是否有任何分类算法接受权重作为输入，而不仅仅是“0”和“1”？
特别是，Weka 的任何现成分类函数是否能够使用权重（不是 0 和 1 作为过滤器）？

我想在 Python 中创建一个加权函数。但是权重的数量会有所不同，我需要该函数具有可选参数（例如，您可以找到 and 的成本weightA，weightB但您也可以找到以上所有内容。

基本功能如下所示：

如何更改功能，以便例如也可以称量体积 C 和体积 D？

提前谢谢！

I kept getting a problem for the following code; "weights=weight" was shown as an unused argument. How should I solve the problem?

Also, is there a way to perform the whole process shown above 30, 60, or 100 times and generate time (or count), x_0, x_1, and result for each time? Any suggestion would be great. Thanks.

我有一个使用 Oracle Text 索引的多列数据存储，并且我正在使用 Contains 关键字运行查询。
为了对不同的列进行不同的加权，我进行如下操作。

如果用户搜索“可怕”，则向 oracle 发出的查询将如下所示：

但是要添加一个也被索引的类别过滤器，我这样做：

这会按类别过滤，但这会完全打乱评分，因为 Oracle 文本将从 AND 关键字的任何一侧获得最低分数。相反，我想指示 oracle 忽略 AND 的右侧。

有没有办法让评分忽略查询的这个特定部分？

基本上，我想根据

但我想根据

我有一个数字列表，例如 1 到 60，但不一定以 1 为增量。例如，1-40 以 1 为增量，40-60 以 2 为增量。

我有另一组定义的数字（桶）——例如 2、3、5、10、30、50

我需要生成一个二维数组，其中每个数字（1 到 60）适合哪个桶的百分比。

让这更简单：假设我们有数字 1 到 10，以及桶 2、3、5、10

我希望我的二维数组看起来像这样：

我可以用一堆条件来做到这一点，但我认为有一个我没有想到的解决方案，如果有人能阐明一下，那就太好了！我需要在 JavaScript 中执行此操作，但是任何语言都可以帮助我尝试理解任何比许多 if 决定每个数字适合的位置然后为每个单元格执行 (6-5/10-5)=0.2 更优化的解决方案。

我试图避免对存储桶 2、3、5、10 进行硬编码，以便任何一组存储桶或数字都可以完成这项工作。

编辑： 首先，对于不完整的描述，我很抱歉 - 我当时在手机上，无法通过计算机在 stackoverflow 上发帖。

1-10 和 2,3,5,10 都代表年份。实际上，我试图每年从 1 到 10。

• 第 1 年 100% 进入 Bucket 2 - 我想这个单元格没有特定的公式
• 第 2 年 100% 进入 Bucket 2 - 也没有具体公式
• 第 3 年 100% 进入存储桶 3 - 3==3
• 第 4 年在存储桶 3 之间分配一半，在存储桶 5 之间分配一半。计算公式为：（第 4 年 - 第 3 年）/（第 5 年 - 第 3 年）= 0.5
  • 第 5 年 100% 进入存储桶 5。
  • 第 6 年，80% 进入桶 5，20% 进入桶 10。这个公式是：1-(6-5)/(10-5)=0.8 和它的相邻单元格 (6-5)/( 10-5)
  • ...等等...

我希望这能让它更清楚。

我想开发一个 android 应用程序来测量声压级，但我不确定如何实现时间加权。目前我的算法工作如下：

1. 录制 20 毫秒的音频（160 个样本 @ 8000Hz）
2. 计算 RMS
3. 计算 SPL
4. 更新显示值并重新开始

在这里你可以看到算法的主要部分：

我知道声级计的等级可以是快速、慢速或脉冲时间加权。但我不确定在我的算法中如何以及在何处实现这个时间加权。

问：时间加权是否意味着在什么时间之后我会更新测量的 dB 值？

问：我应该简单地将更新间隔更改为 125 毫秒以获得快速加权结果还是我完全错了？

谢谢你的支持

我通常使用 mfx 包和 logitmfx 函数生成 logit 模型边际效应。但是，我正在使用的当前调查具有权重（由于在某些人群中过采样，这对样本中 DV 的比例有很大影响），并且 logitmfx 似乎没有任何方法包含权重。

我已经为模型安装了 svyglm，如下所示：

如何从这些结果中产生边际效应？

I have a code that was given to me that runs an ARIMA model putting weight on more recent errors, it gives excellent results, much better than simple ARIMA, but i do not understand the methodology behind it. If you can understand whats going on and why and how it works then i would really appreciate it :)

The code that i would like explaining is from the #---Weighting---

我想使用 R 中的 k 均值对一些数据进行聚类，如下所示。

“SUMALL”列是在数据中观察到特定变量组合的次数。

因此，当使用 k 表示时，我希望能够将此列用作该特定组合的“权重”，以便频繁组合变得更加重要（也使集群特征作为加权平均值给出）。

我在标准包中看不到执行此操作的简单方法cluster，任何人都可以建议是否有一种简单的方法可以执行此操作？

我正在分析一些体育数据，我有一组大约 40 支球队的输赢记录。我想提出一个排名，其中每场胜利都取决于对手的实力。这必须是某种迭代/递归的东西，其中权重和等级在每次迭代时都会更新，直到收敛。有谁知道是否有现有的功能或包来做这种事情？我的猜测是它不会是一个特定于运动的包，但我想这种事情在很多领域都很常见。

编辑：

这是一些示例数据。有 4 支队伍，A、B、C 和 D，每支队伍与另一支队伍交手一次，产生 10 场独特的比赛。数据加倍，因此每支球队的四场比赛都被列为自己的行，列“a.win”指的是“team.a”是否赢得了比赛（1=是）。

从这些数据来看，A队赢了3/4，B队赢了1/4，C、D、E各赢了2/4。但是 D 队击败了 A，而 C 和 E 都输给了 A。所以直觉上 D 的排名应该略高于 C 和 E，因为它的胜利之一是得分最高的对手。同样的，C队输给了B队（唯一只赢过的队伍），所以直觉上应该排在D和E的后面。

我试图弄清楚如何最好地分配排名（例如，从 -1 到 1，或基于获胜概率或失败次数等），然后如何最好地重新加权每个团队，而不仅仅是基于赢/输的数量，但取决于他们击败的对手的排名。