在下面的数据框中，我希望在每个符号中使用相同的最小值和最大值来缩放Open、High、Low、Close。我可以用下面的代码做到这一点，但是有没有一种合理的方法来用SciKit Learn预处理器来实现这一点呢？
浏览 19提问于2020-01-22得票数 2
回答已采纳
1回答
我试着用朴素的贝叶斯做一个心脏病预测程序。当我完成分类器时，交叉验证的平均准确率为80%，但是当我试图对给定样本进行预测时，预测是错误的！该数据集是来自UCI存储库的心脏病数据集，包含303个样本。有两类0:健康和1:病，当我尝试从数据集对样本进行预测时，它不会预测它的真实值，只有很少几个样本。预测值:1
我得到1而不是0(这个样本已经是数据集样本之一)。我做了一个以上的样本从数据集，我得到错
浏览 3提问于2017-06-16得票数 2
回答已采纳
对于相同的数据集(这里是Bupa)和参数，我得到了不同的精度。我得到了准确性：0.94import numpy as npfr
浏览 1提问于2015-11-16得票数 4
2回答
虽然libsvm提供了缩放数据的工具，但使用Scikit-Learn (它应该基于SVC分类器的libSVM )，我发现没有办法缩放我的数据。基本上我想使用4个特征，其中3个范围从0到1，最后一个是一个“大”的高度可变的数字。如果我在libSVM中包含第四个特性(使用easy.py脚本自动缩放我的</e
浏览 5提问于2012-11-11得票数 13
回答已采纳
我正在尝试扩展一个数据集，以训练一个使用python和scikit- learning的机器学习模型。我想缩放一个数据集，但是坚持所有负的原始值在缩放后仍然是负的，而所有正的原始值在缩放后仍然是正的。10.0]])#shou
浏览 5提问于2022-11-25得票数 0
回答已采纳
我试图避免将现有的模型培训过程迁移到SageMaker，并避免创建自定义的Docker容器来承载经过培训的模型。我的希望是将我们现有的、经过训练的模型注入到预建好的scikit学习容器中，这是AWS通过提供的。我发现的所有示例都需要首先对模型进行培训，这将在SageMaker中创建模型/模型配置。然后使用deploy方法进行部署。
是否有可能为deplo
浏览 1提问于2019-02-28得票数 8
我有一个代码，用于将大小为351×14的数据集dfXa拆分为10个折叠，并选择一个折叠用于大小为35×14的dfX_val表示的验证，并选择9个折叠用于大小为316×14的dfX_train的训练。但是如何才能得到一份5倍的简历呢？我想在不使用sklearn的情况下实现5倍的CV。
浏览 65提问于2021-10-28得票数 2
回答已采纳
我现在使用的是R，在这里，我正在缩放原始数据，删除所有Z分数为3或更多的离群值，然后过滤掉未缩放的数据，使其只包含非离群值。我希望在删除离群值后留下一个包含非缩放数字的数据帧。过滤掉在x中大于3Z得分的所有行
根据名为Row ID的唯一列
浏览 2提问于2017-07-25得票数 0
回答已采纳
1回答
我想要的是将这4个时间序列组合成簇的相似的日子分组。属于同一组的天数应具有类似的时间序列。
在使用k均值或Ward的方法对天进行聚类之前，我想使用scikit学习来扩展它们。为此，我必须将数据转换为形状为(80，4*288) = (80,1152)的二维形状数组，因为scikit学习的标准Scaler不接受三维输入。，例如第一天(1行)和第4次时
浏览 6提问于2022-08-24得票数 0
回答已采纳
1回答
特性工程:不同发行版的缩放
、、、、
我正在努力理解扩展我的特性的最佳方法，并学习如何使用SciKit包在我的预测数据集上转换/匹配。第一组有正态分布，所以我只想用最小最大标度来缩放数值(正值在20-100之间)。第二组特征有异常值，所以我相信粗壮的定标器会给出更好的结果。可以在我的数据集上使用</
浏览 0提问于2021-10-26得票数 0
回答已采纳
scikit learn的SVM是基于LIBSVM的。LIBSVM/SVM要求对数据进行缩放，建议特征值应在0，1或-1，1这两个范围中的一个。也就是说，在典型矩阵中，每列都是一个特征，并且按列进行缩放。LIBSVM常见问题解答建议使用简单的缩放来获取0，1之间的特征
x'=(x-min)&
浏览 2提问于2012-10-04得票数 3
回答已采纳
1回答
我们最初的方法是计算每个项目的TF-以色列国防军矢量。我们使用了一个带有5000种可能散列的散列tf作为单词。然后用抽样技术(数字和)近似所有对.
我们有一个mxn矩阵，其中m是单词数，n是项目数。计算所有列余弦相似点的天真方法在这里是行不通的，因为我们有n=10^7 m=10^4。我们的第一次尝试是使用全对采样技术--韧窝和http://stanford.edu/~rezab/
浏览 0提问于2015-07-28得票数 7
2回答
在OSX10.11.6和python 2.7.10上，我需要从sklearn流形导入。我已经安装了numpy 1.8 Orc1，.13 Ob1和scikit-learn 0.17.1。我使用pip安装sklearn(0.0)，但是当我尝试从sklearn流形导入时，我得到了以下内容：
追溯(最近一次调用)：文件""，第1行，文件"/Library/Python/2.7/site-packagesmurmurhash导入murmurhash3_32文件"nump
浏览 5提问于2016-08-03得票数 60
回答已采纳
Elbow方法提供以下输出：
使用:我使用Python和Scikitlearn的KMeans，因为数据集太大，更复杂的模型对Google Colab的计算要求太高。OBSERVATINS:我知道列1-5非常相关，但数据是有限的销售数据，几乎没有捕获有关客户的数据。KMeans对输入非常敏感，这可能会影响弯头方法中的WCSS，并导致直线，但这
浏览 0提问于2020-05-15得票数 0
1回答
基本上，我在线性回归模型上部署了一个概念证明，以验证基于特定数据集的准确度系数百分比。对于以前构建的高层模型，我在dataset中应用了一种操作，以确保输入所需的所有列都是数字列和OK列。dataset概述公开了所有列都是数字和右格式化的。预测因子：目标：我运行一个描述，以获得更多的细节，并再次验证值。clf_sgd.predict(X_test)
prin
浏览 1提问于2018-02-19得票数 1
2回答
我正在试验一些文档分类任务，到目前为止，支持向量机在TF*以色列国防军特征向量上工作得很好。我想加入一些不基于词频的新特性(例如文档长度)，看看这些新特性是否有助于分类性能。我有以下问题：
我能否简单地将新的特征与基于词频的旧特征连接起来，并在这个异构特征空间上训练支持向量机？如果不是，那么多核学习是否就是通过在每个子特征空间上训练一个内核并使用线性插值将它们组合起来的方法呢？(我们仍然没有在scikit
浏览 4提问于2013-02-04得票数 4
回答已采纳
我目前正在尝试添加一个额外的功能到一个countvectorizer矩阵，这个矩阵是用scikit-learn创建的。工作流程如下:我有一个dataframe，它包含一个包含文本的列和一个包含附加特性的列。 我首先将我的数据分成训练数据帧和测试数据帧。然后，我在训练数据的文本列上应用countvectorize
浏览 22提问于2021-01-25得票数 0
回答已采纳
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
给出一只熊猫dataFrame，看上去是这样的：|-------|:------:|-------:|---)，我尝试使用OneHotEncoder从scikit学习了以下内容：enc = OneHotEncoder，基数为10：'f‘
我需要把数据放到一个可以为Scikit学习<
浏览 2提问于2015-03-26得票数 1
回答已采纳
1回答
我试图使用yolov7预训练模型上的传输学习来预测自定义数据集上的边界框。
我的数据集包含34个训练场景，2个验证场景和5个测试场景。现场什么都没发生，只是摄像机在桌子/平面上的物体周围移动60-70度，鳞片/倾斜一点。所以，即使我有大约20k的训练图像(从34个场景中提取)，从每个场景中，我得到的图像几乎是一样的，具有一种增
浏览 8提问于2022-11-20得票数 -1
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
