作者查詢 / f821027

總覽項目：發文 | 留言 | 暱稱

作者 f821027 在 PTT [ DataScience ] 看板的留言(推文), 共21則

限定看板：DataScience

首頁

尾頁

[ DataScience ]19 留言, 推噓總分: +2

作者: qddcynthia - 發表於 2022/11/10 13:23(3年前)

15^F推f821027: X做標準化的部分同意4樓說的有的模型對於outliers很敏11/11 20:28

16^F→f821027: 感就適合先做標準化你說的boxcox是針對y轉換因為y資11/11 20:28

17^F→f821027: 料分佈標準差太大把他做一個轉換後再和X去build model11/11 20:28

18^F→f821027: 這個model predict出的Y再用boxcox反函數轉回原本y的樣11/11 20:28

19^F→f821027: 本空間11/11 20:28

[ DataScience ]25 留言, 推噓總分: +5

作者: NDEJG - 發表於 2022/02/14 04:11(3年前)

8^F推f821027: 多個模型的話就是比較cross_val_score去比較平均的mse或02/16 12:19

9^F→f821027: mae等等哪個低02/16 12:19

10^F→f821027: 單模的話可以把每個folde的mse或mae都算出來畫成折線圖02/16 12:19

11^F→f821027: 搭配std判斷資料的robustness02/16 12:19

12^F→f821027: 可以參考下面各種 cv 方法 https://scikit-learn.org/sta02/16 12:24

13^F→f821027: ble/modules/cross_validation.html02/16 12:24

14^F推f821027: 有點不太確定你說的testing set的意思，我的認知是all d02/17 15:00

15^F→f821027: ata 先分成training set 和 testing set，針對training02/17 15:00

16^F→f821027: set去做k-fold cross validation 去確保build出來的模型02/17 15:00

17^F→f821027: 參數會是最好的，當然fold越多的話模型穩健度會越高，02/17 15:00

18^F→f821027: 那這k個fold都會有你放進cross_val_score裡面scoring參02/17 15:00

19^F→f821027: 數的指標，看你幾個fold，那這k個fold可以驗證你放的模02/17 15:00

20^F→f821027: 型的穩健性，可以透過std判斷02/17 15:00

[ DataScience ]9 留言, 推噓總分: +1

作者: f821027 - 發表於 2021/12/11 15:00(4年前)

3^F→f821027: 樓上的意思是先把兩個y做正規化，再加權平均成一個y做特12/11 19:07

4^F→f821027: 徵重要性排序嗎，不過我要怎麼知道兩個y權重要如何設定12/11 19:07

5^F→f821027: 呢12/11 19:07

首頁

尾頁