“混合模型”(例如，包括KerasWrapper的SKlearn管道)的模型日志记录可能吗？
混合模型是指结合了多种不同类型的模型或算法的组合模型。在混合模型中，可以使用KerasWrapper的SKlearn管道来实现模型日志记录。
模型日志记录是指记录模型训练和评估过程中的关键信息，以便后续分析和优化模型性能。通过记录模型的训练参数、损失函数、评估指标等信息，可以更好地了解模型的训练过程和性能表现。
在混合模型中使用KerasWrapper的SKlearn管道，可以通过以下步骤实现模型日志记录：
- 导入必要的库和模块：
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.pipeline import Pipeline
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import StandardScaler
import logging- 定义Keras模型函数：
def create_model():
# 在此定义Keras模型结构
model = ...
return model- 创建KerasWrapper的SKlearn管道，并设置日志记录：
# 创建KerasWrapper的SKlearn管道
estimators = []
estimators.append(('standardize', StandardScaler()))
estimators.append(('mlp', KerasClassifier(build_fn=create_model, epochs=10, batch_size=32, verbose=0)))
pipeline = Pipeline(estimators)
# 设置日志记录
logging.basicConfig(filename='model.log', level=logging.INFO)- 训练和评估模型，并记录日志：
# 训练和评估模型
scores = cross_val_score(pipeline, X, y, cv=5)
logging.info('模型评估结果：{}'.format(scores))在上述代码中，我们首先导入了必要的库和模块，然后定义了Keras模型函数。接下来，我们创建了KerasWrapper的SKlearn管道，并将标准化和Keras模型添加到管道中。然后，我们设置了日志记录，将日志记录到名为"model.log"的文件中。最后，我们使用交叉验证方法训练和评估模型，并将评估结果记录到日志中。
混合模型的优势在于可以充分利用不同模型的特点和优势，提高模型的性能和泛化能力。混合模型在各种应用场景中都有广泛的应用，例如图像识别、自然语言处理、推荐系统等。
腾讯云提供了多个与混合模型相关的产品和服务，例如腾讯云AI开放平台、腾讯云机器学习平台等。您可以通过访问腾讯云官方网站获取更详细的产品介绍和相关链接。
请注意，本回答仅供参考，具体的产品选择和使用方式应根据实际需求和情况进行评估和决策。
相关·内容
我已经使用sklearn_pandas和sklearn创建了一个ML管道。它看起来像这样。
features = ['ColA','ColB','ColC']
labels = 'ColD'
mapper = sklearn_pandas.DataFrameMapper([
('ColB',sklearn.preprocessing.StandardScaler()),
('ColC',sklearn.preprocessing.StandardScaler())
])
pipe
浏览 4提问于2015-04-30得票数 2
回答已采纳
我在试着理解科学学习管道是如何工作的。我有一些虚拟数据，我试图拟合一个随机森林模型的虹膜数据。这是一些代码
from sklearn import datasets
from sklearn import svm
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline
from sklea
浏览 1提问于2020-10-02得票数 4
回答已采纳
我试图保存由autosklearn生成的所有模型，但我只能得到最好的模型。
import sklearn.datasets
import sklearn.metrics
import autosklearn.classification
# Load data
X, y = sklearn.datasets.load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = \
sklearn.model_selection.train_
浏览 6提问于2021-05-06得票数 3
我有一个scikit模型，我正在使用JPMML在我的java应用程序中使用它。我尝试使用训练期间使用的列名来设置InputFields，但是"inField.getName().getValue()“被混淆为"x{#}”。有没有什么办法可以把"x{#}“映射回原来的特性/属性名？
Map<FieldName, FieldValue> arguments = new LinkedHashMap<>();
or (InputField inField : patternEvaluator.getInputFields()) {
浏览 21提问于2018-01-01得票数 1
回答已采纳
1回答
我建立了一个ML模型的原型，该模型由预处理+多个叠加回归器组成。我希望我的一位同事开发一个API来查询模型。是否有任何方法可以查询模型(sklearn管道)而不必下载所有依赖项(XGBoost、LGBM、CatBoost、.)。
我试图用贾瓦布序列化它，但是当我们在另一台机器上反序列化它时，它需要安装依赖项。
其目标实际上是将sklearn的管道转换为一个完全的惰性黑匣子，这需要最少的设置。有可能吗？
浏览 0提问于2020-06-09得票数 0
回答已采纳
我正在使用以下RandomForest代码创建Python模型
from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import sklearn2pmml
rf=RandomForestClassifier()
rf = PMMLPipeline([('random',rf)])
rf.fit(X_train, y_train)
sklearn2pmml(rf, "classification pmml file/random.pmml",with_repr=True)
我使用Pyth
浏览 0提问于2019-12-16得票数 1
我习惯于以以下方式运行sklearn的标准scaler：
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler().fit(X_train)
scaled_X_train = scaler.transform(X_train)
其中X_train是一个数组，包含我训练数据集中的特性。
然后，我可以使用相同的定标器来缩放测试数据集X_test中的特性。
scaled_X_test = scaler.transform(X_test)
我知道我也可以在模型中“烘焙”定标器，使用sklearn的make_pi
浏览 3提问于2022-06-14得票数 1
回答已采纳
1回答
我正在尝试准备一个数据集来训练ANN模型，因此我需要应用缩放。然而，我的一些变量是连续的，一些变量已经是二进制形式的。下面是我的X_train数据集中给定行的示例：
array([[0.0, 1.0, 654, 1, 40, 5, 105683.63, 1, 1, 0, 173617.09]])
我应用了以下代码来规范化我的值：
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
但是，这将返回一个数组，其中还包含缩放后的二进制值。
浏览 8提问于2020-05-27得票数 0
现在，我在中训练了一个名为“GB”的gbdt模型。我想把这个经过训练的模型导出到pmml文件中。但是我遇到了这样的问题: 1.如果我尝试将经过训练的'GB‘模型放入PMMLpipeline并使用sklearn2pmml导出模型。如下所示：
GB = GradientBoostingClassifier(n_estimators=100,learning_rate=0.05)
GB.fit(train[list(x_features),Train['Target']])
GB_pipeline = PMMLPipeline([("classifier",G
浏览 2提问于2017-05-19得票数 0
回答已采纳
我有预先训练的Sklearn模型和预先训练的标准标量对象保存为泡菜。现在，我想使用这两种方法来创建Sklearn管道。
我需要滑雪板管道将它转换成ONNX格式。
我不能这样做，因为管道采用标准标量类，然后我们需要适合的管道使用数据，但在我的情况下，模型和标量都已经安装。
浏览 0提问于2020-07-20得票数 1
回答已采纳
我已经将keras-tf-model封装到一个Sklearn Pipeline中，它还会进行一些预处理和后处理。我想序列化这个模型，并通过MLflow捕获它的依赖项。 我已经尝试过mlflow.keras.save_model()，这似乎并不合适。(它不是一个“纯”keras模型，并且没有save()属性) 我还尝试了mlflow.sklearn.save_model()和mlflow.pyfunc.save_model()，这两个命令都会导致相同的错误： NotImplementedError: numpy() is only available when eager execution
浏览 37提问于2019-06-21得票数 2
回答已采纳
有谁能解释一下sklearn.pipeline.make_pipline和imblearn.pipeline.make_pipline的区别吗？
浏览 0提问于2019-08-21得票数 6
回答已采纳
2回答
我正在尝试将每个请求记录到我的网站(Asp.net mvc)。为此，我创建了一个全局筛选器属性，该属性收集来自当前请求的日志信息。异步执行此操作的主要思想是不要阻止我的主要应用程序。然后静静地记录数据。当操作记录器无法记录请求时，当我将错误记录器设置为记录错误时，一切正常。
下面的代码是我的过滤器
public class RequestLoggingAttribute : ActionFilterAttribute
{
private readonly IActionLogService _actionLogService;
public RequestLoggingAttr
浏览 0提问于2015-10-02得票数 1
回答已采纳
8回答
我正在尝试挑选一个滑雪机器学习模型，并将其加载到另一个项目中。该模型封装在流水线中，可以进行特征编码、缩放等。当我想使用管道中的自写变压器执行更高级的任务时，问题就开始了。
假设我有两个项目：
train_project:它在src.feature_extraction.transformers.py中有定制的变压器
use_project:它在src中有其他东西，或者根本没有src目录。
如果在"train_project“中使用joblib.dump()保存管道，然后在"use_project”中使用joblib.load()加载管道，则不会找到"s
浏览 6提问于2019-09-11得票数 31
下面是在TPOT中训练模型的基本代码：
from tpot import TPOTClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
digits = load_digits()
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target,
浏览 10提问于2021-04-22得票数 1
回答已采纳
1回答
所以我的任务是训练一位电话笔录模特。下面的代码会这样做。一个小小的背景信息：-x是一个字符串列表，每个ith元素都是一个完整的文本-y是一个布尔的列表，说明调用的结果是正的或负的。
下面的代码可以工作，但这是我的问题。我想把呼叫持续时间作为训练的一项功能。我假设在TFID转换器将记录矢量化之后，我只会将呼叫持续时间特性连接到TFIDF输出，对吗？也许这比我想的要容易一些，但是我在代码开头看到的熊猫数据框架中都有记录和持续时间。因此，如果我有持续时间的数据帧列(numpy数组)，我需要做什么才能将该特性添加到我的模型中呢？
补充问题：
我是否遗漏了一个关于朴素Bayes模型的基本假设，它将我
浏览 4提问于2017-06-08得票数 2
我的scikit学习管道是线性回归的，但是我的问题域不应该允许输出高于某个值，所以我想限制输出。我知道我可以先运行我的模型，然后做一个y = np.where(y > MAX_VALUE, MAX_VALUE, y)，但我可能还有几个这样的自定义逻辑步骤，所以我想把它封装到管道中。sklearn能做到这一点吗？
我尝试编写自己的自定义估计器，如下所示，它给出了错误All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough
浏览 2提问于2019-11-11得票数 1
1回答
我想做一个滑雪管道使用自定义人工神经网络，我已经有。我想做一个管道，其中输入到ANN，其输出到sklearn.svm.SVC模型，并进行最终的预测。那么，我如何使用sklearn管道来完成这个任务呢？
浏览 0提问于2016-03-02得票数 7
回答已采纳
1回答
如何反演管道后的回归预测？
、、、、
当我使用管道时，我试图弄清楚如何对数据进行缩放(大概是使用inverse_transform)来进行预测。下面的数据只是一个例子。我的实际数据要大得多且复杂得多，但我希望使用RobustScaler (因为我的数据有异常值)和Lasso (因为我的数据有几十个无用的特性)。一般情况下，我对管道都很陌生。
基本上，如果我试着用这个模型来预测任何事情，我想用不成比例的术语来预测。这有可能有管道吗？我怎样才能用inverse_transform做到这一点呢？
import pandas as pd
from sklearn.linear_model import Lasso
from sklearn
浏览 2提问于2019-05-14得票数 3
1回答
我想知道如何保存OnevsRest 分类器模型以供以后的预测。
我有一个问题，保存它，因为它意味着保存向量以及。我在这个里学到了。
下面是我创建的模型：
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer = TfidfVectorizer(strip_accents='unicode', analyzer='word', ngram_range=(1,3), norm='l2')
vectorizer.fit(train_text)
vectorizer.
浏览 0提问于2019-01-30得票数 3
回答已采纳
假设机器学习模型(如LightGBM的LGBMRegressor )有一个属性best_iteration_。在调用fit方法之后，如何访问这个属性，从而利用sklearn的Pipeline和MultiOutputRegressor？
对于Pipeline，我尝试过named_steps
foo.named_steps['reg']
返回以下对象sklearn.multioutput.MultiOutputRegressor.
然后，我尝试了.estimators_
foo.named_steps['reg'].estimators_
返回一个列表。但是，列表包
浏览 1提问于2019-10-15得票数 0
回答已采纳
使用Sklearn管道，我们可以可视化我们的管道构造。见下面的短图。
我找不到类似的绘图功能的Sklearn堆叠分类器。如何用Sklearn堆叠分类器来表示集成模型构造？
我在google上进行了研究，但没有找到任何关于如何绘制Sklearn堆叠分类器构造的例子。
浏览 1提问于2022-11-16得票数 1
3回答
如何通过实验的运行id作为模型的标签信息？
我想在Azure DevOps构建管道中运行带有标签信息的实验和注册模型，并在az ml cli中运行实验id。
运行实验az ml运行提交脚本-e -d myenv.yml train.py
模型寄存器az ml模型寄存器-n mymodel -p sklearn_regression_model.pkl --标记"run id"=？
我不知道如何从实验中获得运行id，从az ml cli运行并将其传递给-tag参数。知道吗？
浏览 0提问于2019-08-16得票数 1
1回答
无法从管道绘制树
、、、
我有下面的决策树分类代码，我可以看到这个模型的预测结果，但不能绘制树 from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.compose import make_column_selector as selector
from sklearn.t
浏览 25提问于2021-04-03得票数 0
回答已采纳
目前，我可以通过使用make_column_transformer和make_pipeline构建一个模型，如下所示： from sklearn.compose import make_column_transformer
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import OneHotEncoder
from sklearn.tree import DecisionTreeClassifier
from sklearn.pipeline import make_pipel
浏览 20提问于2020-09-11得票数 0
2回答
我在sklearn中使用了一个logistic回归模型，并且我对检索这样一个模型的日志可能性感兴趣，所以按照建议的来执行一个普通的似然比检验。
该模型使用作为评分规则。在文档中，日志丢失被定义为“给定概率分类器的预测值的真实标签的负对数可能性”。然而，值总是正的，而日志的可能性应该是负的。例如：
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import log_loss
lr = LogisticRegression()
lr.fit(X_train, y_train)
y_prob = l
浏览 3提问于2018-01-10得票数 3
回答已采纳
我试着安装一个我用管道组装的模型：
from sklearn import cross_validation
from sklearn.linear_model import LogisticRegression
from sklearn.grid_search import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import MinMaxScaler
cross_validation_object = cross_validation.StratifiedKFold(Y,
浏览 3提问于2014-08-11得票数 2
回答已采纳
2回答
我有一个kubeflow管道，它训练自定义(即不基于sklearn / tensorflow等类) ml模型。现在我想在输油管道的末尾加上服务。也就是说，我希望在我的Kubernetes集群中有一个服务，它使用这个模型来响应预测请求，并且这个服务应该在每个管道运行之后用一个新的模型来更新。
据我所知，为了服务于定制模型，我应该：
将我的模型包装成kfserving.KFModel类
使用运行中的包装器创建对接器映像
使用来自2的图像创建InferenceService端点)
在Kubeflow组件中有什么云不可知论的方法吗？(因此，基本上组件必须能够构建坞映
浏览 12提问于2021-11-02得票数 0
3回答
一个问题。
据我所知，scikit学习的管道库是一种自动化助手，它通过一个定义的数据处理周期将数据带入其中。但在这种情况下，我看不出有什么意义。
为什么我不能在python中通过函数式或面向对象的编程来实现数据准备、模型训练、分数估计等？对我来说，它似乎更灵活和简单，你可以控制所有的输入，调整复杂的动态参数网格，评估复杂的度量，等等。
你能告诉我，为什么有人要使用sklearn.pipelines？它为什么会存在？
浏览 8提问于2022-05-10得票数 1
我正在使用来自python的h2o自动库和scikit学习包装器来创建一个用于培训我的模型的管道。我遵循正式文档推荐的：
from sklearn import datasets
from sklearn.feature_selection import f_classif, SelectKBest
from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
from
浏览 9提问于2022-09-30得票数 1
回答已采纳
我感兴趣的是拟合二分量高斯混合模型的数据如下所示。
但是，由于我在这里标出的是被标准化为0-1之间的日志转换计数，所以我的数据将使用的最大值是0。当我使用sklearn.mixture.GaussianMixture (下面的代码)尝试简单的fit时，我得到了最终的fit，这显然不是我想要的。
from sklearn.mixture import GaussianMixture
import numpy as np
# start with some count data in (0,1]
logged_counts = np.log(counts)
model = GaussianMi
浏览 4提问于2019-11-07得票数 5
回答已采纳
我正在使用scikit创建一个决策树模型--学习，在使用进行缩放之前，我需要对数据进行拆分。但是，我也想使用cross_val_score()方法。
我首先使用OneHotEncoding()在make_column_transformer()中编码了一些分类数据，如下所示：
transformer = sklearn.compose.make_column_transformer(
(sklearn.preprocessing.OneHotEncoder(handle_unknown='ignore'), ['SoilDrainage'
浏览 7提问于2022-07-25得票数 3
回答已采纳
1回答
我正在使用由Sklearn进行的参数优化来制作一个Pipeline。管道必须为几个实现预训练和微调方法的不同实体获得最佳模型：预训练所有实体在一起，微调每一个元素，并为每个实体返回一个模型。这些都是管道的制约因素：
列车前和微调必须在相同的流水线，因为这两个模型必须有相同的数据在每个GridSearchCV的折叠。
列车前模型必须将其权重传递给微调模型.
我已执行：
一个接受输入中所有实体的数据帧并适合自己的Sklearn转换器。
一个Sklearn，它为每个实体将数据帧分割成一个数据帧，并为每个实体拟合一个Keras模型。
我所缺少的是如何将列车前变压器传递给
浏览 2提问于2019-01-07得票数 0
在我的ASP.NET MVC3应用程序中，我希望记录所有意外问题。所以我在Application_Error()中做了日志记录。此外，我发现有Controller.OnException()方法，所以我重写了记录错误的控制器，然后调用base.OnException()。
看起来，每当控制器操作中发生异常时，我的OnException()重写都会被调用，然后调用Application_Error()，因此日志记录会执行两次。
如果我取消了OnException()覆盖，只在Application_Error()中记录日志，我仍然会记录所有的问题，还是会遗漏任何类型的事件？
浏览 3提问于2013-02-21得票数 1
一直在尝试使用sysmon设置windows主机日志文件。这是成功的。日志记录发生在事件日志文件windows sysmon操作中。
第二步是让nxlog读取该文件并将其发送到远程syslog服务器。但是什么也没发生。为了排除故障，我尝试将日志记录到本地文件，也没有任何内容。
下面是我nxlog配置文件，
define ROOT C:\Program Files (x86)\nxlog
Moduledir %ROOT%\modules
CacheDir %ROOT%\data
Pidfile %ROOT%\data\nxlog.pid
SpoolDir %ROOT%\data
LogFile
浏览 5提问于2017-11-01得票数 0
我正在使用sklearn做一些机器学习。我经常使用GridSearchCV来探索超参数和执行交叉验证。使用它，我可以指定一个scoring函数，如下所示：
scores = -cross_val_score(svr, X, Y, cv=10, scoring='neg_mean_squared_error')
但是，我想使用均方误差来训练我的SVR模型。不幸的是，在SVR的构造函数或fit方法中都没有scoring参数。
我该怎么做呢？
谢谢!
浏览 2提问于2018-03-10得票数 2
当支持向量回归模型(SVR)嵌入到管道和网格搜索中时，我在scikit learn中访问该模型的系数时遇到了问题。考虑以下示例：
from sklearn.datasets import load_iris
import numpy as np
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
from sklearn.feature_selection import SelectKBest
from sklearn.pipeline import Pipeline
iris = load_iri
浏览 0提问于2016-11-13得票数 2
当调用.fit时，Keras模型会返回一个历史对象。如果我使用这个模型作为sklearn管道的一个步骤，是否有可能检索到它？顺便说一句，我用的是python 3.6 提前感谢！
浏览 8提问于2019-01-25得票数 4
1回答
我是使用mlflow与sqlite后端。以下列方式启动服务器：
mlflow server --backend-store-uri sqlite:///mlruns_db/mlruns.db --default-artifact-root $PWD/mlruns --host 0.0.0.0 -p 5000
在代码中，我用这样的签名记录模型
...
signature = infer_signature(X, y)
mlflow.sklearn.log_model(model, model_name, signature=signature)
...
然后我会收到警告
2022/05/26
浏览 14提问于2022-05-28得票数 1
我正在构建一个Sagemaker批处理推理管道，对使用sagemaker.sklearn.processing.SKLearnProcessor和sagemaker.sklearn.estimator.SKLearn处理特性的选项(在推断之前)感到困惑--我对这两个选项的理解是：
aws中有一些文档使用sagemaker.sklearn.estimator.SKLearn进行批处理转换来处理数据。使用该类及其.create_model()方法的优点是，我可以将创建的模型(在推断之前处理特性)合并到部署在端点上的sagemaker.pipeline.PipelineModel中。因此，当推理请求
浏览 13提问于2022-09-25得票数 -1
回答已采纳
我正在使用SKLearn和SKLearn2PMML构建SKLearn PMML。我有一些数字的，一些特殊的和日期时间的列，我从它在管道中创建新的特性。当我试图训练模型时，它会失败，因为默认情况下，原始的分类特性也会传递给最终的类。是否有任何方法通过指定功能名称来限制这些特性？
浏览 0提问于2020-07-15得票数 2
回答已采纳
2回答
我尝试将sklearn规范器转换为coreml模型，如下所示：
normalized = sklearn.preprocessing.Normalizer()
coreml_model = coremltools.converters.sklearn.convert(normalized)
但我知道这个错误：
错误处理特征列表:如果给定一个特征名，则必须提供num_dimensions
我如何设置"num_dimensions"？
另一个选项是直接使用CoreML中的规范化器：
但是没有文档说明我如何在IOS中使用这个功能。例如，如何在浮点数数组上运行此操作？
浏览 0提问于2019-02-09得票数 0
我想避免在训练之前使用sagemaker笔记本和预处理数据，比如简单地将csv格式更改为protobuf格式，如下面的内置模型的第一个链接所示。
在下面的示例中，它解释了如何在sagemaker python-sdk的帮助下使用sklearn管道进行预处理。
如果您只需要进行格式更改，而不需要使用sklearn的处理方式，那么最佳实践是什么？
浏览 10提问于2019-03-28得票数 1
1回答
优化元估计器
、、
我正在尝试使用scikit learn的GridSearchCV函数来找到一些基本模型的最佳参数，然后将这些参数输入到堆叠估计器中。
我的代码基于这篇文章(我用它来说明)：
我想对我的估计器的参数执行网格搜索(主要是岭参数，KNN中的邻居数量，以及RF深度和溢出)，但我不能让它工作。我定义模型，如下所示：
from sklearn.base import TransformerMixin
from sklearn.datasets import make_regression
from sklearn.pipeline import Pipeline, FeatureUnion
from sk
浏览 0提问于2018-02-10得票数 0
回答已采纳
2回答
我正在使用sklearns' pipeline函数、one hot encode和model。几乎和的帖子完全一样。
在使用Pipeline之后，我再也无法获得树的贡献了。获取此错误：
AttributeError：“管道”对象没有属性“n_outputs_”
我试着玩的参数，但我被卡住了。
因此，我的问题是:当我们使用sklearns Pipeline时，我们有没有办法从树中得到贡献？
编辑2-按Venkatachalam请求的真实数据：
# Data DF to train model
df = pd.DataFrame(
[['SGOHC', '
浏览 2提问于2020-11-27得票数 3
回答已采纳
假设我想使用sklearn管道应用几种特征选择方法。以下是一个例子：
from sklearn.datasets import load_breast_cancer
from sklearn.feature_selection import SelectKBest, chi2
from sklearn.feature_selection import VarianceThreshold
from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split
X, y = load_
浏览 6提问于2022-07-25得票数 1
回答已采纳
我试图链接网格搜索和递归功能消除在一个管道使用scikit学习。
带有“裸”分类器的GridSearchCV和RFE工作得很好：
from sklearn.datasets import make_friedman1
from sklearn import feature_selection
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
est = SVR(k
浏览 0提问于2016-04-17得票数 17
回答已采纳
1回答
我正在尝试将我的文本分类模型保存为pickle文件。我有一组特定的预处理步骤，我想保存在我的最终模型中，以便将其应用于不可见的数据以进行预测。目前，我尝试使用sklearn管道，其中包括预处理、应用计数向量器和应用算法。我的问题是，这是在最终模型中保存预处理步骤的正确方法，还是应该将其保存为单独的文件。下面是我的代码 from sklearn import model_selection
X_train, X_test, y_train, y_test = model_selection.train_test_split(df_train.data, df_train.label, test
浏览 22提问于2020-07-05得票数 0
回答已采纳
3回答
我一直在研究apache日志的远程日志记录，我所发现的一切都涉及到管道到记录器。
两个问题：
还有其他方法可以远程记录apache日志吗？
到伐木机的管道稳定吗？
谢谢!
杰夫
浏览 0提问于2013-04-05得票数 0
回答已采纳
1回答
该模型采用了标度值(StandardScaler在sklearn中)，.I想要显示一些图形来解释模型的输出，但是使用原始的缩放值，因为它更容易理解。
例如，sklearn 不幸地在x轴上使用了缩放值，并由此得出解释模型的结果。
当我绘制时也是如此，但是使用了通常的特征值。
在简历中，最好使用非标度值来研究模型行为.也许这个问题与使用无标度值的模型无关，而是如何在图中缩放x轴，但我没有取得多大的成果。
浏览 24提问于2022-06-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
