小编Nik*_*hra的帖子

我已经在许多kaggle笔记本电脑中看到，人们在使用K-fold验证进行机器学习时都在谈论oof方法。什么是oof，它与k倍验证有关？您还可以建议一些有用的资源来详细了解概念吗

感谢您的帮助！

我正在尝试在 keras 中进行多类分类。到目前为止，我使用 categorical_crossentropy 作为损失函数。但由于所需的指标是weighted-f1，我不确定categorical_crossentropy是否是最佳损失选择。我试图使用sklearn.metrics.f1_score在 keras 中实现加权 f1 分数，但由于张量和标量之间的转换问题，我遇到了错误。

像这样的东西：

def f1_loss(y_true, y_pred):
   return 1 - f1_score(np.argmax(y_true, axis=1), np.argmax(y_pred, axis=1), average='weighted')

其次是

 model.compile(loss=f1_loss, optimizer=opt)

我如何在 keras 中编写这个损失函数？

编辑：

y_true 和 y_pred 的形状是(n_samples, n_classes)在我的情况下是(n_samples, 4)

y_true和y_pred都是张量，所以 sklearn 的 f1_score 不能直接对它们起作用。我需要一个函数来计算 tensors 上的加权 f1。

我想安装腹地以在 google colab 中使用。我按照官方页面上的安装说明进行操作

基本上我做了以下步骤：

!pip install https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tarball/master
!jupyter contrib nbextension install --user

现在，当我想启用任何特定扩展名时说“腹地”，我执行以下操作：

!jupyter nbextension enable  /usr/local/lib/python3.6/dist-packages/jupyter_contrib_nbextensions/nbextensions/hinterland/hinterland.js

但这给了我一个错误说：

Enabling notebook extension /usr/local/lib/python3.6/dist-packages/jupyter_contrib_nbextensions/nbextensions/hinterland/hinterland.js...
  - Validating: problems found:
    - require?  X /usr/local/lib/python3.6/dist-packages/jupyter_contrib_nbextensions/nbextensions/hinterland/hinterland.js

我该如何解决？我在任何一步都出错了吗？

或者有没有其他更好的方法来专门为 google colab 安装这些扩展。

例如，如果我的训练数据在col中具有分类值（1,2,3,4,5），那么一种热编码将给我5 col。但是在测试数据中，我说的只有5个值中的4个，即（1,3,4,5）。因此，一次热编码只会给我4个cols。因此，如果我将训练有素的权重应用于测试数据，我会得到一个错误，因为在训练和测试数据中cols的尺寸不匹配dim（4）！= dim（5）。关于如何处理丢失的col值的任何建议？下面提供了我的代码的图像：

图片

我正在尝试在Google colab笔记本中安装OpenCV。官方文件说：

!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
import cv2

第一条语句可以正常运行并安装所有内容。但是在导入cv2时出现错误提示：

ImportError: libSM.so.6: cannot open shared object file: No such file or directory

这个问题有解决办法吗？感谢帮助！

我在做图像分类.首先,我将我的图像提供给我在Keras的CNN模型.

我想在keras的Flatten图层的输出处添加新功能,然后将其提供给密集层.我该如何为它编写代码？

基本上我使用Convolution图像,然后最后我想添加其他功能,如Age Sex等.

max_pool_final = MaxPooling2D(pool_size=(2,2))(conv_final)
flat = Flatten()(max_pool_final)
dense = Dense(128)(flat)

在作为密集层的输入进行平坦馈送之前,我想添加一些功能到平面.我该怎么做呢？

感谢帮助!

我有一个基本问题。据说我正在训练猫和狗的图像分类器。但我需要一个额外的功能。如果图像不属于任何类别，我如何才能知道它。我想到的一些选择是：

1. 我在最后一层添加了第三个神经元，而不是 2 个神经元。并将我的训练标签 y 作为 3 个标签的一个热编码，第三个标签不属于猫类或狗类。我将在第三堂课中使用一些随机的例子。
2. 我将只使用 2 个神经元，并使用一些概率阈值，我将用它来告诉我的图像应该属于哪个类。

但我认为任何方法都不可行。

谁能建议我一种好的技术来对不属于我的训练类别的图像进行分类？

SELECT customerid, 
(SELECT COUNT(*)
FROM orders
WHERE customers.customerid = orders.customerid) as total_orders
FROM customers

谁能解释一下这段 SQL 代码的工作原理吗？根据我的说法，在这种情况下子查询应该始终返回相同的行数，因为总行数。相同的行 customers.customerid = orders.customerid。但它显示每个客户以及他/她的订单总数。导致此结果的执行顺序是什么？

请在此处查找数据库：

https://www.w3schools.com/sql/trysql.asp?filename=trysql_select_distinct