腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
在
网格
搜索
中
参数
化
特征
选择
步骤
的
估计
器
?
、
、
如何在
网格
搜索
中
参数
化
特征
选择
步骤
(这里是RandomForestClassifier
的
n_estimators )
的
估计
器
?
浏览 18
提问于2021-11-21
得票数 0
1
回答
首先要做什么:
特征
选择
或模型
参数
设置?
、
、
Sklearn提供了许多方法来执行特性
选择
和模型
参数
的
设置。我在想我该先做什么。但是如果我想使用呢?应该首先使用使用所有原始特性设置
参数
,然后执行特性
选择
吗?或者我应该先
选择
特性(使用
估计
器
的
默认
参数
),然后用所选
的
浏览 1
提问于2012-09-17
得票数 13
回答已采纳
1
回答
fit方法
在
sklearn.preprocessing.Normalizer()
中
的
用途是什么?
、
根据sklearn.preprocessing.Normalizer()
的
fit(self,X)方法
的
文档,它什么也不做,并且返回
的
估计
量不变。我理解,如果我打算对数据进行规范
化
,我可以简单地将数据传递给normalize ()函数。那么,什么是使用适合
的
方法。此外,规范
化
不是一种学习算法,那么为什么会有一个fit()方法呢?
浏览 0
提问于2019-10-10
得票数 0
1
回答
递归
特征
消除和
网格
搜索
在
scikit-learn
中
的
结合
、
、
我正在尝试
在
scikit-learn
中
结合递归
特征
消除和
网格
搜索
。正如您从下面的代码中看到
的
(可以工作),我能够从
网格
搜索
中
获得最佳
估计
器
,然后将该
估计
器
传递给RFECV。然而,我宁愿先做RFECV,而不是
网格
搜索
。问题是,当我将
选择
器
从RFECV传递到
网格
搜索</
浏览 5
提问于2015-08-25
得票数 7
2
回答
使用Scikit
的
模型帮助-
在
使用GridSearch时学习
、
、
、
、
作为安然项目的一部分,构建了附加模型,下面是这些
步骤
的
总结,cv = StratifiedShuffleSplit(n_splits = 100, test_sizegcv.best_estimator_.fit(x_train,y_train) 但是当我
浏览 5
提问于2017-02-21
得票数 6
回答已采纳
1
回答
递归
特征
消去
中
估计
量
的
超
参数
估计
、
、
、
、
通过交叉验证,使用RFECV模块实现递归
特征
消除。RFE涉及到反复训练完整
特征
集上
的
估计
器
,然后删除信息最少
的
特征
,直到收敛到最优
的
特征
数。为了通过估值
器
获得最优
的
性能,我想为
估计
器
为每个特性
选择
最佳
的
超
参数
,(为清晰而编辑)。
估计
量是线性支持向量机,所以我只研究C
参数
。 最
浏览 1
提问于2015-04-09
得票数 5
回答已采纳
3
回答
特征
选择
、PCA和归一
化
的
正确顺序?
、
我知道
特征
选择
可以帮助我删除可能贡献不大
的
特征
。我知道PCA有助于将可能相关
的
特征
减少为一个
特征
,从而降低维度。我知道归一
化
可以将
特征
转换成相同
的
尺度。 但是,有没有推荐
的
顺序来完成这三个
步骤
呢?从逻辑上讲,我认为应该首先通过
特征
选择
来剔除不好
的
特征
,然后对它们进行归一
化
,最后使用PCA来降低
浏览 0
提问于2017-09-06
得票数 14
回答已采纳
1
回答
fit_transform(X) vs fit_transform(X,y)
我
的
理解正确吗?谢谢你
的
帮助。
浏览 36
提问于2021-07-31
得票数 0
1
回答
什么是正确
的
方式使用标准
化
/标准
化
结合K-折叠交叉验证?
、
、
、
、
我一直都知道,标准
化
或规范
化
只适用于训练集,然后用于转换测试集。所以我要做
的
是:scaler.fit_transform(X_train)现在,如果我要在新数据上使用这个模型,我只需保存“scaler”并将其加载到任何新脚本
中
。这是最好
的
做法是重新调整和改变每一个折叠
的
定标
器
?我可以理解这在构建模型时是如何工作
的
,但是如果以后我想使用这个模型,该怎
浏览 5
提问于2020-10-15
得票数 2
回答已采纳
1
回答
SVM
的
参数
选择
、
、
我有一个数据集,我用libSVM
在
Matlab中进行分类。数据集由4个类组成。 对于支持向量机
的
参数
选择
,可以进行嵌套交叉验证。问题是,我最终也需要最佳
参数
的
值。
在
完成嵌套交叉验证并具有最终
的
准确性之后,我需要最佳
参数
的
值。然后,我将为每个类别(1-VS-All)训练一个支持向量机( SVM ),其中包含
选择
最重要
特征
的
最佳
参数
(根据最高度<em
浏览 2
提问于2015-06-18
得票数 1
回答已采纳
4
回答
简历
在
sklearn.linear_model.LogisticRegressionCV中代表什么?
我
在
ML
中
唯一知道
的
与"CV“匹配
的
缩略语是交叉验证,但我猜不是这样,因为这将在带有包装
器
函数
的
scikit
中
实现,而不是逻辑回归函数本身
的
一部分(我认为)。
浏览 19
提问于2017-09-30
得票数 25
回答已采纳
3
回答
视觉测定仪
中
的
图像校正
、
、
、
根据
中
的
步骤
2。
在
进行
特征
检测、匹配和运动
估计
之前,我需要做图像校正。我想我需要像matlab
中
的
函数()那样去扭曲图像。
在
匹配
特征
后,可以使用原始
的
内、外
参数
进行运动
估计
吗?我认为内在
的
参数
是扭曲
的
图像。 我很困惑,
在
相机校准工具箱
中
的
Matlab。本征矩
浏览 5
提问于2015-05-17
得票数 3
回答已采纳
1
回答
科学学习:学习曲线没有信息泄漏?
我想为LinearSVC
估计
器
生成一个学习曲线,它使用countVectorizer来提取
特征
。countVectorizer还应用了一些特性
选择
步骤
。我可以做以下几点:但我认为这会
浏览 5
提问于2019-12-18
得票数 0
回答已采纳
2
回答
Scikit
中
的
GridSearchCV输出问题-学习
、
、
、
、
我想执行一个超
参数
搜索
,以
选择
sklearn
中
的
预处理
步骤
和模型,如下所示:CV.fit(train_X, train_y) 当然,我需要
的
结果与最好
的
管
浏览 5
提问于2020-08-02
得票数 2
回答已采纳
1
回答
基于SVM分类
器
的
文本挖掘
、
、
我希望利用python实现文本挖掘
的
支持向量机分类,并获得精确性,召回精度不同
的
度量information.For,对数据集进行预处理,并将数据集分割成两个文本文件,即-pos_file.txt(正标签现在,我想使用随机抽样
的
SVM分类
器
训练数据,30%用于测试。我看到了一些关于scikit
的
文档--学习,但不太确定我将如何应用这一点?pos_file.txt和neg_file.txt都可以被认为是单词
的
袋子。,将同样
的
方法应用于单位图,双图和三格图。期待您
的<
浏览 3
提问于2013-10-21
得票数 3
1
回答
使用Scikit-learn管道,当特性依赖于其他行时,如何从时间序列数据中生成特性?
、
、
、
这里是一个具体
的
示例场景:,这是我想要做
的
事情:
在
一段时间内,我有一个特定股票
的
每日收盘价。我想要生成包括和在内
的
特性。在生成
特征
和目标后,我希望将数据分成训练/测试(甚至训练/验证/测试)组,然后训练和测试一个分类
器
来预测目标。最后,我想在sklearn管道
中
实现和执行这些
步骤
,主要原因有两个:1)以方便地操作
浏览 0
提问于2018-03-13
得票数 0
1
回答
使用RandomForest
的
GridsearchCV
、
、
、
所以我正在用RandomForest和GridsearchCV做一些
参数
方面的事情。这是我
的
代码。使用estimator.get_params().keys()检查可用
参数
列表。“ 我遵循了错误给出
的
建议,print(clf.get_params().keys())
的
输出如下所示。然而,即使我将这些标题复制并粘贴到我
的
参数
字典
中
,我仍然得到一个错误。我
搜索
过堆栈溢出,大多数人都在使用与我相似的
参数
字典。有人知道如何解
浏览 4
提问于2017-07-31
得票数 0
1
回答
如何
选择
最佳半径值以获得最佳
的
正态
估计
结果?
、
、
我正在运行一组点云之间
的
模型-场景匹配,以测试匹配结果。我尝试使用具有不同半径值
的
pcl可视化工具来可视
化
这些对象,并
选择
哪个可以提供正确
的
法线(
浏览 2
提问于2016-04-10
得票数 2
1
回答
递归
特征
消除
参数
的
选择
、
、
在
我
的
项目中,我有>900个
特征
,我考虑使用递归
特征
消除算法来降低问题
的
维数(以提高精度)。在这种情况下,我应该使用模型
选择
技术吗?
浏览 0
提问于2022-04-15
得票数 1
1
回答
滑雪板实现
中
决策树
中
的
分割
器
、
对于决策树如何在每个特性中
选择
特征
和阈值来进行拆分,我感到非常困惑。我完全理解所使用
的
不同
的
分裂度量(基尼指数等)以及它们是如何工作
的
。但我
的
问题是sklearn如何
选择
特性和阈值来计算这些指标。
估计
器
sklearn.tree.DecisionTreeClassifier有一个
参数
splitter。让我承认,网上
的
所有资源
在
解释这个
参数
方面都不是很好,而且它们是相
浏览 0
提问于2022-10-18
得票数 0
回答已采纳
点击加载更多
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
将sklearn训练速度提升100多倍,美国“返利网”开源sk-dist框架
美国“返利网”开源sk-dist框架将sklearn训练速度提升数倍
将sklearn训练速度提升100多倍,美国「返利网」开源sk-dist框架
使用网格搜索优化CatBoost参数
Scikit-Learn大变化:合并Pandas
热门
标签
更多标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
活动推荐
运营活动
广告
关闭
领券