我使用以下代码来执行我的回归。explained_variance')
scores_me = cross_val_score(clf, X, y, cv=k_fold, scoring = 'max_error') 我想要获得多个指标的结果，如neg_mean_squared_error，explained_variance，max_error等。因此，为了获得每个指标的结果，我必须重新运行我的交叉验证模型，这需要很多时间。所以，我想知道在sklearn中有没有什么简单的方
浏览 34提问于2019-12-05得票数 0
回答已采纳
据我所知，sklearn中的逻辑回归仅包括l1或l2正则化项，分别代表套索回归和岭回归。然而，同时实现l1和l2正则化项，即ElasticNet可能要好得多。在R的情况下，有一个值得注意的包glmnet，它可以完美地部署上述思想，而python中的glmnet包似乎只支持Linux系统，而不是我电脑上的windows10(请参考this)。另外，如果该包能够可视化结果(如收缩路径)会更好。#logtistic with penalty terms in
浏览 23提问于2019-04-21得票数 0
我计划使用sklearn linear_model绘制线性回归结果图，并使用statsmodels.api获取学习结果的详细摘要。然而，这两个包在相同的输入上产生了非常不同的结果。例如，来自sklearn的常量项是7.8e-14，但来自statsmodel的常量项是48.6。(当使用这两种方法时，我在x中为常量项添加了一列1)我的两种方法的代码都是成功的：
# Use statsmodels linear regression to get a res
浏览 5提问于2016-07-19得票数 0
回答已采纳
有没有办法在sklearn中把不同的分类器组合成一个？我找到了sklearn.ensamble包。它包含不同的模型，如AdaBoost和RandofForest，但它们在幕后使用决策树，我想使用不同的方法，如支持向量机和逻辑回归。是否可以使用sklearn？
浏览 6提问于2013-03-18得票数 1
回答已采纳
有预测比例的标准方法，如logistic回归(无阈值)和β回归。已经就这方面进行了讨论：
我不知道在sklearn框架中是否存在工作。
浏览 3提问于2017-05-29得票数 6
回答已采纳
我想将目标变量转换器添加到我的sklearn管道中。通常对于PCA或任何类型的回归-分类器等操作，sklearn支持CV的参数网格，如： param_grid = [{ "rdf__class_weight": class_weight}] 是否可以将变量转换器也添加到此网格
浏览 10提问于2020-09-08得票数 1
代码：l = LogisticRegression()这是数据集[[23] [26] [29] [27] [22]Y = [1 0 1 0 0 1 1 0 1 0]coeff [[ 0.00850441]]现在，我在spss.Analyse->回归-&
浏览 5提问于2017-03-06得票数 2
回答已采纳
在生成的决策树回归模型中，当使用graphviz查看树结构时，存在MSE属性。我需要获取每个叶子节点的MSE，并根据MSE进行后续操作。但是，在阅读文档后，我找不到提供输出MSE的方法。其他属性，如特征名称、样本编号、预测值等，都有对应的方法： ? 使用help(sklearn.tree.关于模块sklearn.tree._tree中的类树的帮助 ?
浏览 51提问于2019-12-17得票数 7
回答已采纳
2回答
在python中，我可以通过随机森林分类器或随机森林回归器来实现。是不同的所以我只想确认这两种方法都是有效的，那么哪一种在随机森林应用中更好呢
浏览 0提问于2017-01-05得票数 0
2回答
用logistic回归预测参数值
、、、、
我已经写了不同的基本sklearn代码，使用逻辑回归来预测价值。01/05/2014 19 37701/05/2014 21 106我想预测vals的值，在测试数据中，但是我的结果看起来很奇怪。我在result中期望vals的值。相反，我得到的是所有元素值都为0.00030676的大矩阵。
如果有人能提供细节或帮助我更好地发挥这个结果，我将不胜感
浏览 2提问于2016-09-12得票数 0
上下文model = SVR(kernel='poly', degree=2, epsilon=.5) features# Numpy array with features)
之后，我使用.score()-function返回回归的分数此外，
浏览 1提问于2020-08-24得票数 0
回答已采纳
如果SKLearn fit()函数花费太长时间，是否有办法停止它？我理解需要使用更小的数据集、调优超调值等，但这与此无关，因为我正在寻找使用默认值在数据集中运行的“最快”的回归者。流看起来如下：
遍历回归器，为每个回归器执行RFECV，以及每个回归器所用的时间我已经在我的实际用例中实现了多处理，但仍然存在相同
浏览 5提问于2022-08-06得票数 1
1回答
当我用logistic回归模型对数据使用sklearn函数roc_curve时：我得到了这个结果：
(array([0. , 0.1如何在此函数中定义阈值数？例如，当我使用logistic回归时，阈值必须是来自sigmoid函数的概率，但是这里它们是2,1,0。为什么会这样呢？
浏览 10提问于2022-01-11得票数 1
回答已采纳
2回答
如果您能让我知道在使用Lasso logistic回归(L1)进行特征选择之前是否应该省略高度相关的特性，我将非常感激。正则化是处理共线性(特征间高度相关)的一种非常有用的方法。然而，这个内核 (通过引用维基百科)指出，保持模型中的相关特性会对特征选择产生不利影响，但它不会影响预测。
浏览 0提问于2018-08-20得票数 1
在使用sklearn线性回归库的过程中，当我们用tra肠分割法对数据进行分割时，我们是否需要使用最小二乘法( OLS )的训练数据，或者我们可以将全部数据用于OLS方法并推导出回归结果。
浏览 2提问于2021-03-07得票数 0
回答已采纳
1回答
如果我通过sklearn来拟合一个正常的回归，那么就有一个选项可以使用多线程，在这种情况下，整个过程在短时间内运行，得到一个可接受的结果。sklearn.linear_model.LinearRegression(*, fit_intercept=True, normalize='deprecated', copy_X=True, n_jobs=None, positive=False)
在上面的一行中，如果我设置了n_jobs=-1，它将使用所有可用的核，这样计算成本就会大大降低。但
浏览 12提问于2022-08-23得票数 1
1回答
我对如何使用sklearn和状态模型进行线性回归有基本的理解。关于线性回归(OLS估计)，我想问几个问题：
对于最小二乘估计器来说，标准化总是必要的吗？我还在学习回归分析的一些理论方面。标准化是在我的数据科学课中提到的，但在我的回归分析中几乎没有提到。如果不是，什么时候应用标准化(也需要标准化预测变量)？我试着比较了这两种方法，在评价指标(Mse)方面，结果是比较相似的，但就系数而言，它是非常不同的(由于不同的预测因子的尺度)。如果是这样，如何比较一个预测器的重要性？我
浏览 0提问于2019-10-31得票数 0
1回答
sklearn GLM分类
、、、、
有没有办法在sklearn中实现一个通用的线性模型来解决分类问题？由于没有分类类，因此我想将sigmoid函数应用于回归结果。有没有一种简单的方法可以用sklearn做到这一点？我尝试过堆叠，但StackingClassifier不支持将回归器作为估计器。
浏览 28提问于2021-04-11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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
