我正在使用PyInstaller将我的应用程序捆绑到一个.exe文件中。 问题是它可以与--onedir选项配合使用，但在使用--onefile构建时找不到模块 --onedir和--onefile都表示在构建过程中： <...> INFO: Analyzing hidden import 'sklearn.utils.sparsetools._graph_validation' <...> onefile.spec # -*- mode: python -*- a =

当我使用以下选项训练an时：sgdclassizer（loss='log'，class_weight=None，pould='l2'），训练将毫无错误地完成。 然而，当我在scikit learn v0.15上使用class_weight='auto'训练这个分类器时，我得到了以下错误： return self.model.fit(X, y) File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1

我将GridSearchCV的参数设置为： parameters = {'kernel':['rbf'], 'C':[1, 5, 0.5], 'gamma':[1, 5, 0.5]} grid = GridSearchCV(SVC(), parameters) grid.fit(dataset, targets) 然后grid.best_params_或grid.best_estimator_始终将列表中的第一个参数返回为最佳（即1和1）。如果我改变参数的顺序，将5放在“C”列表的顶部，那么最

我正在scikit学习中使用fit功能进行分类培训。 例如，在使用随机林时，通常使用以下类型的代码： import sklearn from sklearn.ensemble import RandomForestClassifier as RF forest=RF(n_estimators=10) forest=forest.fit(TrainingX,Trainingy) 不幸的是，我在使用Python 3时遇到以下错误： C:\Anaconda3\lib\site packages\sk

我目前正在使用svc来分离两类数据（下面的特性是命名数据，标签是条件）。使用gridSearchCV对数据进行拟合后，我得到了大约0.7的分类分数，我对这个数字相当满意。之后，我使用grid.best_estimator_u.decision_function（）获取每个类数据与超平面的相对距离，并将它们绘制在箱线图和直方图中，以更好地了解重叠的程度。我的问题是，在柱状图和箱线图中，这些看起来是完全分开的。我知道情况并非如此。我肯定我调用的decision_function（）不正确，但不知道如

我现在正在做一个文本分类项目。首先，我使用Weka，它的SVM方法有一个归一化的多项式核，我使用该核得到了最好的结果。我正试图用sklearn完成同样的任务。我发现svm.SVC只有“poly”内核。那么，是否可以使用sklearn实现规范化多项式核呢 random_state = np.random.RandomState(0) clf = svm.SVC(kernel='poly', gamma='auto', C = 2.0,decision_function_shape='ova',pr

我学习SVM，并将使用python sklearn.SVM.SVC实现SVM 据我所知，SVM问题可以用QP（二次规划）来表示 所以在这里我想知道哪个QP解算器用于解决sklearn SVM中的SVM QP问题 我认为可能是SMO或坐标下降算法 请让我知道sklearn svm中使用的确切算法，过去已经使用过现成的QP解算器，但多年来使用了专用代码（更快、更健壮）。这些解算器不再是（通用的）QP解算器，只是为这个用例构建的 sklearn的SVC是（）的包装器 正如链接所说： 从版本2.8开始，

我对一个时代的理解是，它是指我们在整个训练过程中经历的次数。但是当我用verbose=true训练sgdclassizer时，我看到了下面的内容。它只是在5个纪元后重置，并再次从1开始计数。为什么会这样 以下是我如何实例化模型： clf = linear_model.SGDClassifier(loss='log', verbose=True) clf.fit(X_train, y_train) 以下是输出： -- Epoch 1 Norm: 5.26, NNZs: 448659, Bias:

我尝试使用XGB进行增量学习，并使用Sklearn的MultiOutputRegressor进行包装，以获得多类回归： # For instance # X = np.zeros((1, 8) # y = np.zeros((1, 32) multi_model = MultiOutputRegressor( xgb.XGBRegressor(objective='reg:squarederror') ).fit(X, y) 但是，如果我反复调

我想在预处理包中使用StandardScaler类，但我一直得到一个AttributeError:“module”对象在scikit learn 0.13上没有属性“StandardScaler” 预处理.\uuuu dict\uuuu不显示StandardScaler 我可以在同一个包中使用LabelEncoder类。python路径中的sklearn包可能是旧版本，而不是您安装的0.13版本。尝试： python -c "import sklearn; print(sklearn.__fil

我正在查看上给出的示例代码 此脚本中有以下代码： # in this case the seeding of the centers is deterministic, hence we run the # kmeans algorithm only once with n_init=1 pca = PCA(n_components=n_digits).fit(data) bench_k_means(KMeans(init=pca.components_, n_clusters=n_digits

我一直在尝试调用sklearn.feature\u extraction中的dictvectorier import numpy import scipy import sklearn from sklearn.feature_extraction import DictVectorizer 然而，它给出了以下错误 Traceback (most recent call last): File "<pyshell#5>", line 1, in <module>

我想对标准普尔500指数实现K-最近邻算法来预测未来价格，并通过scikit学习库用python开发定量算法交易模型。 虽然我对kNN算法有基本的了解，但我完全是python机器学习编码的新手，所以如果有人能帮助我，我很高兴 这是我的模拟逻辑 资产：标准普尔500指数月度价格（可与ETF投资） 逻辑 每个月末根据kNN算法预测下个月的价格方向（上涨或下跌）--->预测上涨：买入标准普尔500指数，下跌：持有现金（假设年回报率为3%） 训练数据集：最近滚动的12个月数据（训练数据集随着时间的推移

假设我们使用TFIDF转换将文档编码为连续值特征 我们现在如何使用它作为朴素贝叶斯分类器的输入 伯努利朴素贝叶斯（Bernoulli naive bayes）被淘汰了，因为我们的功能不再是二进制的了。 似乎我们也不能使用多项式朴素贝叶斯，因为这些值是连续的而不是绝对的 作为替代方案，是否适合使用高斯朴素贝叶斯？在高斯分布假设下，TFIDF向量是否可能保持良好 sci工具包中关于MultionomialNB的学习文档建议如下： 多项式朴素贝叶斯分类器适合于分类 具有离散特征（例如，文本分类的字数）

有人知道我如何删除下面的错误吗 NameError Traceback (most recent call last) <ipython-input-31-d3625a93ead4> in <module>() 11 loo = LeaveOneOut(num_of_examples) 12 for train_index, test_index in loo: ---> 13

我试图用t-SNE来可视化神经网络（在Keras中实现）的输出。调用fit\u transform时，我会得到一个MemoryError。目前我正在Windows 10上运行我的代码 代码： 您需要将输出大小减小到系统可以处理的值 除此之外，您还可以使用主成分分析（PCA）来降低输出的维度，然后再将其输入t-SNE。请参见此处：Windows或Unix？@mkaran Windows在输出中有多少预测？你试过更少的样品吗？你试过用主成分分析法来降低维度吗？你认为我们能做什么？谁知道输出有多大？对

我正在尝试使用scikit learn提供的函数训练一个用于评估棒球运动员的决策树分类器。然而，我想提前“预先指定”或“强制”一些拆分，这是基于我所知道的关于专家思考方式的真实情况（无论如何都需要合并）。例如，我想基于打击平均值>0.300强制分割 一个相关的问题是——我是否可以“预加载”一个先前训练过的决策树模型，然后在后续训练中“更新”它？还是每次运行决策树分类器时都需要重新学习所有规则？我在这里试图做的类比是转移学习，但应用it决策树。我预先指定拆分的方法是创建多棵树。将玩家分成两组，平均

我训练了一个垃圾邮件过滤模型 我用这行代码得到了混乱矩阵 tn, fp, fn, tp= confusion_matrix(targets, predictions).ravel() 分类标签如下所示： targets = test_set['S'].values S值是每个电子邮件的分类标签 这就是结果 我在任何时候都不会指明哪一类是正的，哪一类是负的。。我如何知道哪个是哪个（垃圾邮件被认为是积极类） 我有多个模型，支持向量机，朴素贝叶斯和决策树显示你的目标和预测。它们将按字母顺序进行

我知道kNN搜索会随着问题维数的增加而表现得更差。我知道对于kNN搜索，20被认为是相当高的维度。我不知道的是，在第3个（我知道kNN工作得很好）和第20个（我知道kNN工作得不太好）之间，它到底从哪里开始变得糟糕 假设一个平衡良好的树，有人知道平均查询速度与大约1到20个维度之间的维度有什么关系吗 就不同的kNN算法产生的结果而言，我对此很感兴趣，但您可以假设Scikit学习实现为kNN作为问题的基线。性能在很大程度上取决于您使用的数据类型（以及scicit学习使用的任何索引）。 有关简短示例

在sklearn的RF fit函数（或most fit（）函数）中，可以传入“sample_weight”参数来称量不同的点。默认情况下，所有点的权重相等，如果我传入一个1s的数组作为样本权重，则它确实匹配原始模型，而不带参数 但是如果我传入一个0.1s或1/len（数组）的数组作为样本权重，它会改变模型（现在预测不同），尽管点的权重仍然相等。这是令人不安的，因为减肥似乎很重要。那么，什么是适当的缩放方式，以便我有一个独特的解决方案 示例如下： import numpy as np from s

我有一些标签（A、B、C、H、H1、H2等），但是当我安装MultiLabelBinarizer时，它将H1拆分为H和1。 有人能告诉我，除了把H1标签换成另一个标签外，这个问题还有什么解决办法吗。 多谢各位 mlb = MultiLabelBinarizer() labels = pd.DataFrame(mlb.fit_transform(df['LABELS']),columns=mlb.classes_) 解决方案是添加所有可能的标签。这意味着您应该将可能的标签保存在excel文件

我试图使用Scikit learn的LinearRegression类执行插值，但结果似乎是错误的。其思想是使用多项式拟合，拟合次数等于观测次数减1。这将使线性回归估计产生插值。然而，线性回归不能给出插值解 完整代码： import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.preprocessing import Polyn

为了检查我的工作，我一直在比较scikit learn的SGDClassizer logistic实现与statsmodels logistic的输出。一旦我加上一些l1和分类变量，我会得到非常不同的结果。这是不同解决方案技术的结果，还是我没有使用正确的参数 在我自己的数据集上差异更大，但使用mtcars时仍然相当大： df = sm.datasets.get_rdataset("mtcars", "datasets").data y, X = patsy.dmatrices('am~st

我在scikit学习中使用随机森林，我想知道有什么方法可以获得特性的p值？ 我知道我可以使用feature_importances_来获得特征的重要性，但我需要有p值。同样与系数类似（使用线性回归），我需要知道特征如何影响预测，预测值如何随每个特征的变化而变化。您要查找的是Z分数。不确定是否在scikit中实现。为了研究你的映射曲率，你可以尝试部分依赖图或者密切相关的灵敏度分析或者。。。。一个无耻的建议：）跳转到R并尝试我的包forestFloor来可视化随机森林。我们也有z-score：据我所

我有一个自定义距离度量，需要用于KNN，K近邻 我试着跟随，但由于某种原因，我无法让它工作 我假设距离度量应该采用两个长度相同的向量/数组，如下所述： import sklearn from sklearn.neighbors import NearestNeighbors import numpy as np import pandas as pd def d(a,b,L): # Inputs: a and b are rows from a data matrix

我想知道我是否可以在xgboost中进行校准。更具体地说，xgboost是否与scikit learn中的现有校准实现类似，或者是否有一些方法将xgboost中的模型放入scikit learn的校准分类RCV中 据我所知，在sklearn中，这是常见的程序： # Train random forest classifier, calibrate on validation data and evaluate # on test data clf = RandomForestClassifier

基于和增量PCA文档，它建议使用memmap数组，但是否可以使用dask完成相同的任务 更新将问题扩展到包括其他部分拟合算法，因为git repo for dask提到了一种使用任何支持部分拟合的scikit learn的方法，但我似乎在API中找不到相关文档。当我尝试对6000x250000 float64dask数据帧进行增量pca时，在不调整dask调度程序的情况下，在16核104GB虚拟机上花了8个小时取得了9%的进度，但我不确定这是否是由于我的代码太差，或者对于这样大小的数据集，这是否

在for sklearn.neights.KDTree中有内存消耗的描述： 存储树比例所需的内存量约为n_样本/叶大小 这是否意味着当叶子大小变大时，存储树所需的内存会减少 我认为leaf_size指定树中有多少个叶节点，因此如果有很多节点，内存就会增长。我是不是想错了？leaf\u size参数指定在树的“分支”底部的终端“leaves”中存储了多少条目。另一种说法是，将您的查询与之进行详尽比较的“邻居”的数量 如果您有一个较小的叶大小。树需要更大，因此它增加了存储树的内存需求 实际上，lea

我已经对我的数据进行了标准化，并应用回归分析来预测产量（y）。 但我的预测输出也给出了归一化（0到1） 我希望我的预测答案是正确的数据，而不是0到1 数据： 接下来，我将使用以下代码规范化数据： from sklearn.preprocessing import Normalizer import pandas import numpy dataframe = pandas.read_csv('/home/desktop/yield.csv') array = dataframe.values

有没有办法为xgboost分类器设置不同的类权重？例如，在sklearn RandomForestClassifier中，这是通过“class_weight”参数完成的 使用sklearn包装器时，有一个权重参数 例如： import xgboost as xgb exgb_classifier = xgboost.XGBClassifier() exgb_classifier.fit(X, y, sample_weight=sample_weights_data) 其中参数shld类似于数组

我想知道是否有一种简单的方法（除了显式实现之外）来计算不同分裂上的混淆矩阵，比如： >> cross_val_score(grid_search_CV, X_train, y_train, scoring=make_scorer(confusion_matrix)) make_scorer用于分配一个分数，根据该分数，不同参数的不同cv折叠可以相互比较。所以在混乱矩阵中是不可能的，但是你可以使用类似于在

我已经知道如何在model.fit（）中使用tensorboard，当我移动到KerasClassifier时，我不知道如何使用它，我的代码： import keras as keras import numpy from keras.models import Sequential from keras.layers import Dense from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_

我正在做一个简单的二元分类，我给你们举一个我遇到的问题的例子：假设我们有n文档（文档1，文档2，…，文档n）。我们将使用TF-IDF作为特征值，使用单词包训练二元分类器。我们的培训文件具有m功能（从技术上讲，m是我们在清理和预处理后在所有这些n个文档中拥有的唯一标记的数量） 现在，假设我们有一个经过训练的模型，我们将预测一个新文档的标签。我们首先应该像对待培训文档一样对测试文档进行预处理。然后，我们应该使用TF-IDF为测试文档构建一个特征向量。这里有两个问题： 对于训练集和测试集，特性的数量

我试图获得我的数据集中哪些特征会影响主成分，并试图观察我的数据如何与我的内核PCA算法相匹配。 我试图使用纪录片中存在的X_transformed_fit_属性，但我得到了以下错误：AttributeError:“KernelPCA”对象没有属性“X_transformed_fit” 我的KPCA代码如下： from sklearn.decomposition import KernelPCA kpca = KernelPCA(n_components = 2, kernel = 'cosine

我试图使用sklearn.metrics.davies_bouldin_分数评估聚类kmeans模型。我正在使用GoogleColab和运行时Python 3和GPU加速器 我得到了这个错误： 模块“sklearn.metrics”没有属性“davies_bouldin_score”。 我尝试过以不同的方式导入度量包，正如一些人建议的那样，从sklearn import metrics和导入sklearn.metrics。这没什么区别 我还更新了sklearn软件包！pip安装--升级skle

我目前正在使用在Scikit learn中实现的简单监督分类器对图像执行基于像素的分类。首先将图像重塑为单像素强度的向量，然后按照以下步骤进行训练和分类： 来自sklearn.linear\u模型导入SGDClassizer 分类器=sgdclassizer（详细=True） fit（训练数据、训练目标） 预测=分类器。预测（测试数据） 基于像素的分类的问题在于产生的分类图像的噪声性质。为了防止这种情况，我想使用Graph Cut（例如Boykov-Kolmogorov实现）来考虑像素之间的空

我正试图将我的lat-long数据聚类并划分为12个不同的区域，但是kmeans算法把时间搞砸了。我只试了两个集群，结果坏得很厉害（附图），12个集群都不能正常工作。我知道kmeans对噪音很敏感，我也把它清理掉了 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans from collections import Counter df =

我正在机器学习项目中使用随机森林回归器。为了更好地理解预测的逻辑，我想可视化一些决策树，并检查在预测时使用了哪些功能 为此，我编写了以下代码： from sklearn.tree import export_graphviz from subprocess import call from IPython.display import Image # Select one estimator from the Random Forests estimator = best_estimators

现在我知道很多人问过这个问题，但是，我仍然不太了解sklearn库输出的精确度和回忆分数。以下是示例输出： 如果可能的话，有人可以用你能掌握的最简单的语言用以下方式回答我的问题： -精度0.95 False表示模型的精度是多少？ -精度0.56 True表示模型的精度是多少？ -召回0.88 False对该型号意味着什么？ -回忆0.76 True对于该型号意味着什么？ 提前谢谢 您有两个不同的类：True或False。想象你有像苹果一样的真和像桔子一样的假 召回是一个指标，它让我们了解相对于

在SKLearn包中，Tweedie回归器只有“标识”和“日志”链接功能。我正在进行泊松GLM拟合，希望使用“softplus”（log（1+exp（x））的倒数）链接函数来克服“log”链接的溢出问题。在这里可以实现用户定义的“softplus”链接吗？提前谢谢

我越来越 AttributeError:'KMeans'对象没有属性'inertia' 我试图使用k均值找出波士顿数据上适当数量的聚类，k均值在模型拟合时创建惯性等属性；但是在这里，您没有调用.fit方法，因此出现了错误 在调用kmeans.惯性之前，需要使用数据运行kmeans.fit（）；以下是使用sklearn的波士顿数据的完整示例： 从sklearn.cluster导入KMeans 从sklearn.dataset导入加载 将matplotlib.pyplot作为plt导入 十、 y=

我正在尝试使用逻辑回归模型对一些脑电图数据进行分类（这似乎是我数据的最佳分类）。我拥有的数据来自多通道EEG设置，因此本质上我有一个63 x 116 x 50的矩阵（即通道x时间点x试验次数（有两种试验类型为50），我将其重塑为一个长向量，每个试验一个 我想做的是在分类之后，看看哪些特征在对试验进行分类时最有用。我该如何做，是否有可能测试这些特征的重要性？例如，说分类主要由N个特征驱动，这些是特征x到z。因此，我可以举个例子说，在时间点90-95对分类具有重要意义 那么这是可能的还是我问错了问题

我正在使用LinearSVC将文本数据分为3类。输入数据是每个单词的tfidf分数。我很想看看单词对分类的“贡献”。第一个问题是我能用coef_u来做这个吗？文件规定： 系数：数组，形状=[n_特征]如果n_类==2，则其他[n_类，n_特征] 因此，我假设“n_类”对应于文档可以分类到的3个类中的每一个，n_特征是我的tfidf特征的系数值。假设是这样的话，coef_中类的顺序是什么？如何将数组中的每一行与我的一个类相匹配 谢谢 尼克如果不深入研究源代码，我相信您的问题有两个答案： 这些类被分

我试图把电影分为两类。我得到了这部电影的情节大纲和类型。当我使用TFIDFvectorier时，为了将我的概要转换为功能，我需要使用电影的类型作为一个单独的功能 目前，我只是在大纲的文本中添加体裁，并将其输入分类器 问题在于，这两种特征是不同的。当这些词被转换成tfidf矩阵时，我觉得应该以不同的方式对待这一类型，而不仅仅是像其他任何词一样。还有什么我可以做到的吗？您应该使用，对于每个可能的分类功能（流派），它会创建新的二进制功能，并且仅当您的电影来自该流派时，才会在相应的功能上设置1 from

当访问决策树中某个节点的tree\uU.threshold时，类型似乎是float。有没有办法将阈值的“精度”设置为整数？ 在我的例子中，这些特性都是整数值，因此不需要对以这种精度定义的值进行拆分。否，scikit学习树在编译时为阈值使用double类型（请参阅）。固定的数据类型允许生成高效的C代码。您必须更改scikit学习源代码，从Cython.pyx文件重建C扩展名，然后安装修改后的scikit学习使用整数阈值。在引用的_tree.pyx文件中：来自numpy import float32

这段代码的问题是我给了分类器， 一个热编码数据： 指： X-train，X-test，y\u-train，y\u-test是一种热编码。 但分类器正在预测输出： y\u pred\u测试，y\u pred\u列车以数字形式 （我认为这也是不正确的）。有人能帮忙吗？ 这是一个虚拟示例，因此不必担心低精度，只需知道为什么它不是以一种热编码形式预测输出。 谢谢 分类器正在预测一个类的概率。如果您想要最终预测，请使用：y_pred.argmax（axis=-1）对不起，我不理解您的建议。y_测试是[[

使用Google Colab可视化决策树的最佳方法是什么？“dtreeviz”（例如）的可视化效果非常好，但在运行类似 !pip install dtreeviz 及 接 classifier = tree.DecisionTreeClassifier(max_depth=4) cancer = load_breast_cancer() classifier.fit(cancer.data, cancer.target) viz = dtreeviz(classifier,

我正在尝试将cross_val_score（）应用于以下算法： cgnet = algorithms.LevenbergMarquardt( connection=[ layers.Input(XTrain.shape[1]), layers.Linear(6), layers.Linear(1)], mu_update_factor=2, mu=0.1, shuffle_data=True,

我看到sklearn文档中提到了transformer和estimator 这两个词之间有什么区别吗？基本区别是： Transformer以某种方式转换输入数据（X） 估计器使用输入数据（X）预测一个（或多个）新值（y） 变压器和估计器都应该有一个fit（）方法，可以用来训练他们（他们学习数据的一些特征）。签名为： fit(X, y) fit（）不返回任何值，只将学到的数据存储在对象中 这里，X表示样本（特征向量），y是目标向量（在X中，每个对应样本可能有一个或多个值）。请注意，y在一些变

我目前正在用ScikitLearn中的两个类处理一个分类问题，使用解算器adam和激活relu。为了探索我的分类器是否存在高偏差或高方差，我使用Scikitlearns内置函数绘制了学习曲线： 我使用的是一个包含8个拆分的Group-K_折叠交叉验证。 然而，我发现我的学习曲线强烈依赖于分类器的批量大小： 应该是这样吗？我认为学习曲线处理的是依赖于独立于任何批次/时期的训练数据部分的准确性分数？我是否可以将此内置函数用于批处理方法？如果是，我应该选择哪个批次大小（完整批次或批次大小=培训示例