Я работаю над проектом, в котором я пытаюсь предсказать статистику игроков MLB с 1970 по 2022 год. У меня есть 2 набора данных, один для баттеров, где я предсказываю на 5 статистике с 20 функциями, а другой для кувшинов, где я предсказываю на 6 статистика с 25 функциями. В настоящее время я работаю над моделью дерева решений, но также планирую работать с линейной регрессией и моделями LSTM. столбцы, которые я использовал, чтобы сравнить результаты с. < /p>
remove_bat_cols = ['Name', 'Tm', 'Year', 'Nxt_BA', 'Nxt_RBI', 'Nxt_HR', 'Nxt_BB', 'Nxt_SO']
remove_pitch_cols = ['Name', 'Tm', 'Year', 'Nxt_ERA', 'Nxt_SO', 'Nxt_WHIP', 'Nxt_BB', 'Nxt_W', 'Nxt_SV']
bat_cols = batting.columns[~batting.columns.isin(remove_bat_cols)]
pitch_cols = pitching.columns[~pitching.columns.isin(remove_pitch_cols)]
< /code>
Я затем масштабировал свои данные < /p>
scaler = MinMaxScaler()
batting.loc[:, bat_cols] = scaler.fit_transform(batting[bat_cols])
pitching.loc[:, pitch_cols] = scaler.fit_transform(pitching[pitch_cols])
< /code>
Я изначально пытался просто изменить свои шаги, чтобы unscale < /p>
batting.loc[:, bat_cols] = scaler.inverse_transform(batting[bat_cols])
pitching.loc[:, pitch_cols] = scaler.inverse_transform(pitching[pitch_cols])
< /code>
Но я получаю приведенную ниже ошибку: < /p>
ValueError: operands could not be broadcast together with shapes (26768,29) (31,) (26768,29)
Я также попытался добавить прогнозируемые столбцы и даже пробовал только предсказанные столбцы и получить то же самое.
Я работаю над проектом, в котором я пытаюсь предсказать статистику игроков MLB с 1970 по 2022 год. У меня есть 2 набора данных, один для баттеров, где я предсказываю на 5 статистике с 20 функциями, а другой для кувшинов, где я предсказываю на 6 статистика с 25 функциями. В настоящее время я работаю над моделью дерева решений, но также планирую работать с линейной регрессией и моделями LSTM. столбцы, которые я использовал, чтобы сравнить результаты с. < /p> [code]remove_bat_cols = ['Name', 'Tm', 'Year', 'Nxt_BA', 'Nxt_RBI', 'Nxt_HR', 'Nxt_BB', 'Nxt_SO'] remove_pitch_cols = ['Name', 'Tm', 'Year', 'Nxt_ERA', 'Nxt_SO', 'Nxt_WHIP', 'Nxt_BB', 'Nxt_W', 'Nxt_SV']
bat_cols = batting.columns[~batting.columns.isin(remove_bat_cols)] pitch_cols = pitching.columns[~pitching.columns.isin(remove_pitch_cols)] < /code> Я затем масштабировал свои данные < /p> scaler = MinMaxScaler() batting.loc[:, bat_cols] = scaler.fit_transform(batting[bat_cols]) pitching.loc[:, pitch_cols] = scaler.fit_transform(pitching[pitch_cols]) < /code> Я изначально пытался просто изменить свои шаги, чтобы unscale < /p> batting.loc[:, bat_cols] = scaler.inverse_transform(batting[bat_cols]) pitching.loc[:, pitch_cols] = scaler.inverse_transform(pitching[pitch_cols]) < /code> Но я получаю приведенную ниже ошибку: < /p> ValueError: operands could not be broadcast together with shapes (26768,29) (31,) (26768,29) [/code] Я также попытался добавить прогнозируемые столбцы и даже пробовал только предсказанные столбцы и получить то же самое.
Извиняюсь, если это глупый вопрос, однако я новичок в Tensorflow. Я построил модель, которая прогнозирует, будет ли клиент звонить снова, на основе параметров звонка. Я хотел бы использовать эту модель на регулярной основе с вызовами в этот день,...
Я пытаюсь использовать класс проекции в методе хранилища данных Spring. Но я получаю сообщение об ошибке «Не удалось найти PersistentEntity» при попытке достичь конечной точки. Не знаю, почему это происходит. Может кто-нибудь пролить свет на это......
Я пытаюсь выполнить вывод на большой регрессионной модели с гигабайтами данных для обработки. Я пытался распараллелить цикл прогнозирования, но он не работает должным образом. Это код, который я пытаюсь запустить
This code provides implementation of common metrics for assessing a binary classifier's hard decisions against true binary labels, including:
accuracy true positive rate and true negative rate (TPR and TNR) positive predictive value and negative...