Python 3.x 实现与现有ML教程不同的ML方法
我对python很陌生,希望你们能帮助我。 我现在正在复制这个 本教程使用LightGBM进行分类,如下所示:Python 3.x 实现与现有ML教程不同的ML方法,python-3.x,machine-learning,scikit-learn,lightgbm,Python 3.x,Machine Learning,Scikit Learn,Lightgbm,我对python很陌生,希望你们能帮助我。 我现在正在复制这个 本教程使用LightGBM进行分类,如下所示: # Set up training classes labels_unique = np.unique(labels_train) # Set up the model model = lgb.LGBMClassifier( objective='multiclass', num_class=len(labels_unique), metric='
# Set up training classes
labels_unique = np.unique(labels_train)
# Set up the model
model = lgb.LGBMClassifier(
objective='multiclass',
num_class=len(labels_unique),
metric='multi_logloss'
)
# train the model
model.fit(features_train, labels_train)
该模型在这里被视为LightGBM分类器,我想在这些数据上尝试不同的scikit分类器,如SVM或MLP。
我试过这个:
# Instantiate and evaluate classifier
model = SVC(kernel='linear')
# train the model
model.fit(features_train, labels_train)
但它不起作用。欢迎您提供任何建议如果您提供完整的代码和错误信息,将会有所帮助。如果没有这些,我们只能猜测代码中的错误。如果您给出完整的代码和错误消息,这会有所帮助。如果没有这些,我们只能猜测代码中的错误