我目前正在Kaggle数据集上工作。在使用神经网络模型对训练数据进行训练后，我在验证数据上进行了测试并获得了约0.49的准确率。 然而，同一模型在测试数据上只给出了0.05的准确率。 因此，可能发生这种情况的原因是什么，如何开始检查和纠正这些问题呢？

我已准备好一个数据集来识别某种类型的对象（大约有2240个负例和仅有90个正例）。然而，在为数据集中的每个对象计算了10个特征后，独特的训练实例数量分别降至约130个和30个。 由于相同的训练实例实际上代表不同的对象，我能否认为这种重复包含相关信息（例如物体特征值的分布），这些信息可能在某种...

我从这里得到了以下示例。train_datagen = ImageDataGenerator( rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip=Tr...

有多种方法可以提取HoG特征，包括使用不同的方向、每个单元的像素数量以及不同的块大小。 但是否存在标准或最佳配置呢？我有50x100大小的训练图像，并选择了8个方向的方向。我从训练数据中提取特征以进行车辆分类，但我真的不知道什么是“最佳”的。 例如，这里有两种配置，有没有理由选择其中一种而...

我希望能够实现神经网络的持续训练，以应对不断涌入的输入数据。然而，随着新数据的不断到来，归一化的数值也会发生变化。举个例子，在第一个时间节点： df <- "Factor1 Factor2 Factor3 Response 10 10000 0.4 ...

我希望为一个特定的问题开发自学算法。为了简单起见，我将举个简单的例子。 更新：我在下面的答案中添加了一个可行的解决方案。 假设我有一个来自数据库的大量实体列表。每个实体都是相同类型，并且具有4个字节类型的属性。 public class Entity { public byte ...

我正在寻找在Keras中处理大于内存数据的最佳方法，目前注意到普通的ImageDataGenerator比我希望的要慢。我有两个网络在Kaggle的猫和狗数据集（25000张图片）上进行训练： 1）这种方法正是来自：http://www.pyimagesearch.com/2016/09/2...

我要如何配置Keras，使其在收敛或损失为0时停止训练？我有意想过拟合它。我不想设置迭代次数，只想在它达到收敛时停止训练。

我正在使用以下代码保存随机森林模型，使用cPickle保存训练好的模型。当我查看新数据时，我是否可以逐步训练模型。目前，训练集有约2年的数据。是否有一种方法可以使用另外两年的数据进行训练，并将其(类似地)附加到现有的保存模型中。 rf = RandomForestRegressor(n_e...

我需要收集一些样本图像（负图像，也称为背景图像）以进行使用opencv的haar训练。据说我需要有很多这样的图像，大约5000或10000张。你知道哪里可以获取它们吗？