Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Actualmente estoy convirtiendo mi modelo de clasificación binaria en un modelo de clasificación multiclase. Ten paciencia conmigo… Soy muy nuevo en pytorch y en aprendizaje automático. La mayoría de lo que menciono aquí lo aprendí del siguiente video: Lo que he leído/sé es que la función CrossEntropyLoss ya tiene implementada . . . Read more
Estoy migrando de caret al entorno de tidymodels y tengo un problema al transferir una métrica personalizada. Toda la documentación disponible que he encontrado proporciona ejemplos de cómo construir una métrica personalizada utilizando las variables “verdad” y “estimación”. La precisión y el roc_auc (usando verdad y estimación) no son apropiados . . . Read more
Estoy usando pesos de clase para clasificación multiclase utilizando la función “compute_weight” de sklearn y Pytorch para entrenar el modelo. Para calcular el peso de clase, ¿debemos utilizar todos los datos (entrenamiento, validación y prueba) o solamente los datos del conjunto de entrenamiento? Gracias.
Supongamos que tengo un conjunto de datos con imágenes de gatos, perros, jirafas, leones, cocodrilos y otros animales (aquí están las etiquetas). Consideremos que tengo un total de n etiquetas. Una única imagen puede contener uno o más animales de un solo tipo. Es decir, una imagen del león puede . . . Read more
Mi código para pasar datos a LSTM: Xres1.shape (291676, 15) yres1.shape (291676,) n_samples, n_feats = Xres1.shape[0], Xres1.shape[1] Xres1 = Xres1.reshape((n_samples, n_feats, 1)) yres1 = to_categorical(yres1, 4) model = Sequential() model.add(LSTM(n_feats, input_shape=(n_feats, 1))) model.add(Dense(20)) model.add(Dense(60)) model.add(Dense(80)) model.add(Dense(90)) model.add(Dense(4, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam') model.fit(Xres1, yres1, epochs=300, batch_size=15, verbose=2) AttributeError: El objeto DataFrame no . . . Read more