我已經使用下面的代碼進行分類。我得到55%到60%的變量準確度。 我想提高我的準確率高達85%-90%。我分爲8個不同的類別。我應該採取什麼措施來提高準確性。 import pandas as pd
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.featu
我想學習如何使用轉移學習來重新訓練圖像分類器。我按照this tutorial. 中顯示的步驟我成功地重新訓練了模型,但是在他編寫用於分類新訓練過的模型的python腳本的最後一步中遇到了問題。在視頻中,他開始在4:18編寫代碼,但沒有指定在哪裏。我嘗試將它寫入泊塢窗容器中,但它給了我no module named platform錯誤和NameError: name 'sys' is not d
HeJ小鼠, 在我的多類神經網絡用於IRIS的最後一步 數據集,我正在執行以下代碼: steps = 2500
with tf.Session() as sess:
sess.run(init)
for i in range(steps):
sess.run(train,feed_dict={X_data:X_train,y_target:y_train})
#
我正在創建帶標記類的神經網絡,它們是二進制值列表,並且有1167個類。我想根據預測概率,以利用MLP.predict_proba()到輸出的前5類,但輸出的是NP陣列的概率爲每個類只由索引值標記,即 enter image description here 我想找出哪些類與這些概率相關聯,並且預測函數能夠正確輸出代表它所預測類的二進制列表。無論如何,我可以手動將這些類標記爲這些唯一的二進制列表嗎?