我的几个数据集的数据大小只有大约 <code>100</code> 个样本和 <code>10</code> 个样本。因此，如果模型错误分
我在使用 R 方面相对缺乏经验。我正在寻找一种天气标准化技术，并遇到了“rmweather”包。
我已经
我正在使用网格搜索在 ML 中对我的算法进行超调。我有一个疑问，如果我正在使用网格搜索 cv，以后是
今天的问候。
我使用 SVM 分类器对点击诱饵和非点击诱饵进行分类。
代码是：
<块引用>
<pr
我试图在不使用插入符号包的情况下在 R 中进行 k 折交叉验证，因为我使用的模型（R 中的点击流）不在
我正在尝试在循环函数中应用索引来创建一个新的数据框，以基本上操纵交叉验证结果。我在实际使用
我正在使用 caret 包来测试各种模型，以根据 RNA-seq 数据预测疾病状态。我只有 20 个样本，所以我使用重
<pre><code>clf = SVC(kernel = 'rbf', probability=True)
cv = KFold(n_splits=5, shuffle = False)
for train_index, test_index in cv.sp
我知道这可以很容易地用于二分类问题。但是在多类问题的情况下好像有点难。
我有一个不平衡的
我正在尝试以比在 <code>GridSearchCV</code> 中使用 <code>cross_val_score</code> 更手动的方式实现嵌套交叉验证，
我有时间序列数据并尝试与分类器（在分类问题中）A 和 B 的性能进行比较。我使用前向验证来训练和验
我一直在尝试对 CatBoost 模型进行交叉验证。我几乎可以肯定，所提供的代码段所依赖的所有函数都可以
我正在尝试将 sklearn 的 cross_val_score 输出的 rmse 分数重新调整为预测数据的原始单位。我已经使用预测数
我正在尝试使用 Xception 的迁移学习为 7 个班级制作图像分类器。现在我正在尝试实施交叉验证。我知道
给出反映客户特征以及银行是否继续与他们合作（流失）的银行客户样本。样本涉及 10,000 个客户，而文
给定比利时电力系统 2010-01-04 至 2016-10-30 期间限价的小时时间序列。
我的数据有以下信息：
d
我正在完成一项作业，我有 2010 年 1 月 4 日至 2016 年 10 月 30 日期间比利时电价的每小时时间序列。
<
我已经针对不同的 train-val 拆分对我的 YOLO 模型进行了 5 次训练。 5 折交叉验证。然后每次我在测试数据
我正在使用 R 复习一些概率 - 并遇到以下问题：
据估计，约有 20% 的营销电话促成了销售。一天中
我正在尝试在下面的代码中交叉验证 Pyspark 上的 RF 模型并抛出错误：
<pre><code>from pyspark.ml import Pipelin
