Predict_proba的TypeError (np.array(测试))
Predict_proba的TypeError (np.array(测试))是一个错误类型，在机器学习和数据分析中常见的错误之一。它通常出现在使用某些机器学习算法中的predict_proba()函数时，传入了错误的数据类型。
predict_proba()函数是用于预测样本属于每个类别的概率的方法。它返回一个二维数组，每一行代表一个样本，每一列代表一个类别，数组中的值表示样本属于对应类别的概率。这个函数在许多机器学习库和框架中都有实现，比如scikit-learn。
在这个错误中，TypeError表示传入的参数类型错误，np.array(测试)应该是一个导致错误的代码片段。np.array()是一个函数用于将数据转换为NumPy数组的方法，但是在这个错误中，测试的数据类型可能不符合predict_proba()函数的要求。
为了解决这个错误，我们需要确保传入predict_proba()函数的数据类型正确。通常情况下，这个函数要求输入的数据类型是数值型的，比如二维数组或矩阵。如果输入的数据类型不是数值型的，可能需要进行类型转换或者其他处理。
腾讯云相关的产品和产品介绍链接地址如下：
- 云计算平台：腾讯云计算平台是一个全球领先的云服务平台，提供弹性计算、存储、数据库、网络等一系列云计算基础设施服务。了解更多信息，请访问：腾讯云计算平台
- 人工智能服务：腾讯云人工智能服务提供了丰富的人工智能能力，包括图像识别、语音识别、自然语言处理等，可以帮助开发者快速构建智能应用。了解更多信息，请访问：腾讯云人工智能服务
- 云数据库：腾讯云数据库服务提供了高可用、高性能、可扩展的数据库解决方案，包括关系型数据库和非关系型数据库。了解更多信息，请访问：腾讯云数据库
请注意，以上仅为腾讯云的一些相关产品介绍，选择适合自己需求的云计算平台和服务应该根据具体情况进行综合考虑。
相关·内容
我想知道如何通过为LogisticRegression和m.intercept_设置显式的值来手动构建一个"m“模型。这听起来很奇怪，但在某些情况下，我尝试将所有情况都为否定(0)的数据分类，模型的拟合给出了一个错误，所以我想设置f.e。
m = LogisticRegression()
m.coef_=np.array([[0,0]]) and
m.intercept_=-1000
m.classes_=np.array([0, 1])
x = np.array([[1, 1],[2, 2]])
m.predict(x)运行良好，但m.predict_prob(x)给出了一个错误。
浏览 1提问于2018-03-09得票数 1
回答已采纳
from sklearn import ensemble
model = ensemble.RandomForestClassifier(n_estimators=10)
model.fit(x,y)
predictions = model.predict(new) 我知道predict()使用predict_proba()来获得预测，通过计算森林中树木的预测类别概率的平均值。 我想要获得predict()方法预测的类的predict_proba()结果。 我要做的是:首先像上面的代码一样调用predict()，对于概率，我从树中提取最大概率，如下所示： all_probabilities
浏览 87提问于2020-10-29得票数 2
回答已采纳
1回答
我想向已经实例化的对象中添加一个方法。
该对象是vaderSentiment.vaderSentiment.SentimentIntensityAnalyzer类型的实例(Vader是一种流行的NLP模型)。
为了获得文本的预期负面语气，我需要执行以下操作：
# Import model
from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
# Instantiate model
vader = SentimentIntensityAnalyzer()
# Get negative score
vader.
浏览 5提问于2022-11-09得票数 1
回答已采纳
我使用的是多类分类器，所以在调用predicat_proba()时，我会遇到这样的错误：
AttributeError: 'OutputCodeClassifier' object has no attribute 'predict_proba'
我检查了支持scikit-learn的predict_proba() (多输出-分类器)的文档，但是当我调用这个方法时，我会遇到上面显示的错误。
我试过这个代码：
X_train_logregr, X_test_logregr, y_train_logregr, y_test_logregr = train_test_
浏览 8提问于2022-11-30得票数 0
我知道支持向量机(特别是线性支持向量机)有一个选项，即当probability = True作为可选参数实例化时，model.predict_proba()应该给出每个预测的概率以及标签(1或0)。但是，当我调用predict_proba()时，我总是得到numpy错误"use all() on an 1 dimensional array"，并且我只能弄清楚如何使用model.predict()以标签(1或0)的形式获得预测。
浏览 0提问于2016-05-18得票数 2
4回答
我有5个模型的一些概率输出，我按元素对概率元素进行求和，如下所示：
probs = [None] * 5
for i in range(0,5):
probs[i] = models[i].predict_proba(X)
probs[0] + probs[1] + probs[2] + probs[3] + probs[4]
这个很好用。
然后，我尝试通过以下操作来简化上面的代码：
probs = [None] * 5
results = [None]
for i in range(0,5):
probs[i] = models[i].predict_proba(X)
re
浏览 0提问于2018-03-30得票数 1
回答已采纳
2回答
因此，我正在使用Scikit-Learn处理一个三个结果的数据框架。我更感兴趣的是预测准确的概率，而不是预测正确的结果。因此，我使用predict_proba而不是预测，然后我可以输出每个测试实例的所有概率a、b或c，这是平滑的！
有没有办法像accuracy_score(y_predictions，y_test)一样计算“概率分数”？这样我就可以得到每个正确结果的平均概率？
我可以通过将其复制到Excel或类似的文件来手动完成此操作，但这需要很多时间。
谢谢!
编辑-这是predict_proba输出的内容：
A B C
1 [ 0.6 0.3 0.1]
浏览 19提问于2017-12-22得票数 1
回答已采纳
2回答
我正在使用sklearn RandomForestClassifier执行预测任务。 from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=300, n_jobs=-1)
model.fit(x_train,y_train)
model.predict_proba(x_test) 有171个类别需要预测。我只想预测那些predict_proba(class)至少为90%的类。下面的所有内容都应该设置为0。 例如，给定以下内容： 1 2
浏览 32提问于2020-04-22得票数 0
回答已采纳
predict_proba返回神经网络中的错误
我看到了这个链接上的例子
我使用的是Tensorflow版本: 2.6.0
代码：
#creating the object (Initializing the ANN)
import tensorflow as tf
from tensorflow import keras
LAYERS = [
tf.keras.layers.Dense(50, activation="relu", input_shape=X_train.shape[1:]),
tf.keras.layers.LeakyR
浏览 18提问于2021-08-29得票数 3
我试图使用一个函数API来创建一个模型，然后使用CalibratedClassifierCV进行校准。不幸的是，它抛出一个错误，说明predict_proba不能与功能模型一起使用。在我的例子中，我只有一个输出，所以model.predict()和model.predict_proba()一样工作。我想知道是否有可能在keras.models.Model类中创建一个名为predict_proba的新方法，该方法只返回predict的输出。
到目前为止，我已经尝试过：
def predict_proba(x, batch_size=None, verbose=0, steps=None, cal
浏览 2提问于2021-03-06得票数 0
回答已采纳
2回答
我试图绘制一个分类器的ROC曲线，它只使用数据集的两个特征。有人能告诉我怎么解决下面的错误吗？
from sklearn.metrics import roc_curve, auc
from scipy import interp
from sklearn.cross_validation import StratifiedKFold
from sklearn.svm import SVC
X_train2 = X_train[:, [0, 1]]
X_train2
cv = StratifiedKFold(y_train, n_folds=3, random_state=1)
fig =
浏览 2提问于2017-04-15得票数 0
1回答
希望我的标题是正确的。
我运行多类分类(3个类)。和中华民国一起得分。
make_scorer(roc_auc_score, needs_proba=True, average="macro", multi_class='ovo', labels=[-1, 0, 1])
我用时间序列分离器对列车/测试数据进行分割，不能对数据的顺序(无分层参数)进行重新洗牌。
其中一个拆分在训练数据中不包含'0‘标签。因此，.fit函数只看到2个标签，因此predict_proba函数只有2列输出。
当我运行我的多类ROC AUC评分时，我得到了这个ValueError
浏览 10提问于2022-10-06得票数 2
回答已采纳
1回答
我想知道是否有一种方法来训练一个分类器，或者在那之后建立一种分类方法，可以将某些样本分类为前两者之间的某种关系。
例如，我注意到，当我使用来自scikit的predict_proba的RandomForest时，我可以看到一个类被这样预测的概率：[0.3, 0.43, 0.27]。我想做这样的事情:如果| p(class1) - p(class2) | < ε，那么第3类应该被提升。这可能意味着首先使用二进制分类器，然后检查二进制类之间的关系。
为了进一步描述这种情况，第1级和第2级是不同的，第3类具有这两种特征的混合。
浏览 0提问于2019-05-30得票数 3
回答已采纳
我正在建立牛顿引力方程模型。它接收两个质量和一个半径，并输出它从公式中产生的东西。
F = G \frac{m1 · m2}{r^2}
我现在想把它转换成二进制分类模型，因为我选择了一个阈值。如果力在0以下，则为1。
问题
考虑到上述问题，我如何创建一个predict_proba函数？
浏览 0提问于2020-09-19得票数 1
回答已采纳
3回答
我用的是科学知识-学习分类。有没有一种方法可以得到一个概率向量来表示分类器对它的预测有多有信心？我想要整个测试集的向量，而不仅仅是单个元素。基本上，我需要它来计算ROC曲线和AUC。
浏览 1提问于2014-03-24得票数 1
我正在使用sklearn的cross_val_predict进行这样的训练：
myprobs_train = cross_val_predict(LogisticRegression(),X = x_old, y=y_old, method='predict_proba', cv=10)
我对返回的概率很满意，现在我想要获得一个全新的数据集。我试过：
myprobs_test = cross_val_predict(LogisticRegression(), X =x_new, y= None, method='predict_proba',cv=10)
浏览 6提问于2017-12-06得票数 2
回答已采纳
我正在处理不同数据类型的numpy数组。我想知道，任何特定的数组，哪些元素是NaN。通常情况下，这就是np.isnan的目的。
但是，np.isnan对数据类型object (或任何字符串数据类型)的数组并不友好：
>>> str_arr = np.array(["A", "B", "C"])
>>> np.isnan(str_arr)
Traceback (most recent call last):
File "<stdin>", line 1, in <module
浏览 9提问于2016-03-24得票数 19
回答已采纳
我建立了一个logistic回归模型来预测运动的接受率，其中0=不接受，1=接受。现在，我需要将三个特定的列放在一起：person_id、实际验收score (1或0)和sklearn的predict_proba()输出。
person_id和它各自的实际接受score都可以从测试集中得到，所以这是解决了。但是，如果我想使用predict_proba()的行索引将person_id和score的输出合并起来，那么我就有问题了。这是因为predict_proba()重置索引。因此，我不能保证如果我将它与person_id和acceptance score连接起来，它们将匹配它各自的行。以下是我的
浏览 1提问于2021-10-05得票数 0
回答已采纳
我正在运行一个Logistic回归使用两个功能，圆柱和年份的多类分类问题。
在应用培训之后，我们将该模型用于测试数据：
for origin in unique_origins:
# Select testing features.
X_test = test[features]
# Compute probability of observation being in the origin.
testing_probs[origin] = models[origin].predict_proba(X_test)[:,1]
我搞不懂:,1部分对代码做了什么，如果有人
浏览 1提问于2022-06-24得票数 0
1回答
滑雪logistic回归的特点
、、、、
我在向sklearn.linear_model.LogisticRegression中添加自己的特性时遇到了一些问题。但是无论如何，让我们看看一些示例代码：
from sklearn.linear_model import LogisticRegression, LinearRegression
import numpy as np
#Numbers are class of tag
resultsNER = np.array([1,2,3,4,5])
#Acording to resultNER every row is another class so is another featu
浏览 1提问于2014-01-01得票数 1
我使用sklearn的'predict_proba()‘来预测Adaboost分类器中每个估计器属于一个类别的样本的概率。
from sklearn.ensemble import AdaBoostClassifier
clf = AdaBoostClassifier(n_estimators=50)
for estimator in clf.estimators_:
print estimator.predict_proba(X_test)
Adaboost像这样实现了它的predict_proba()：
DecisionTreeClassifier是sklearn
浏览 3提问于2015-05-14得票数 2
回答已采纳
我已经将我的文本分类改进为主题模块，从简单的word2vec到管道tfidf和OneVsRestClassifier (使用sklearn)。它确实改进了分类，但是使用word2vec，我能够计算每个主题的匹配百分比，而使用OneVsRestClassifier，我可以得到与特定主题匹配或不匹配的结果。有办法用OneVsRestClassifier来看分类的百分比吗？
我说的不是评估训练的表现，而是实际的实时匹配率。
浏览 0提问于2017-03-30得票数 1
回答已采纳
我用简单的logistic回归来预测一个问题，并试图用precision_recall_curve和roc_curve来绘制predict_proba(X_test)。我检查了predict_proba的docstring，但对它的工作方式没有太多的细节。我每次都输入错误，检查y_test，predict_proba(X_test)不匹配。最后发现predict_proba()生成2列，人们使用第二列。
如果有人能解释它是如何产生两列的以及它们的意义，这将是非常有帮助的。蒂娅。
浏览 2提问于2019-04-27得票数 8
1回答
预测类的预测概率
、、、
这里是ml初学者。 我有一个数据集，其中包含GPA、GRE、托福、SOP和LOR排名(满分5分)等(全部是数字)，最后一列表明他们是否被大学录取(0或1)，这是我们将用作y_train的内容。我不仅要对预测的标签进行分类，还要计算每个人被录取的概率。 编辑:因此，从第一条评论开始，我构建了一个逻辑回归模型，通过谷歌搜索，我从sklearn中找到了'predict_proba‘，并尝试实现它。没有任何语法错误，但predict_proba给出的代码值却大错特错。 链接：https://github.com/tarunn2799/gre-pred/blob/master/GRE%20Ad
浏览 7提问于2019-04-27得票数 0
Pytorch 0.4.0引入了张量和变量类的合并。
在这个版本之前，当我想要从numpy数组创建一个具有自动分级功能的Variable时，我会执行以下操作(其中x是一个numpy数组)：
x = Variable(torch.from_numpy(x).float(), requires_grad=True)
在PyTorch版本0.4.0中，展示了如何在启用自动评分的情况下创建张量，示例显示您可以执行以下操作
x = torch.ones(3, 4, requires_grad=True)
并将requires_grad设置为现有张量
existing_tensor.requires_g
浏览 0提问于2018-04-29得票数 16
回答已采纳
1回答
numpy版本1.9.0
1 & (2**63)
0
np.bitwise_and(1, 2**63)
TypeError: ufunc 'bitwise_and' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''
np.bitwise_and(1, 2**63 + 100)
TypeError: ufunc
浏览 4提问于2014-11-05得票数 3
回答已采纳
3回答
我尝试在如下计算中使用字典值：
mydict = dict(zip(['key1', 'key2', 'key3'],
[1, 2, 3]))
print(mydict)
newvals = (mydict.values() + 3) ** 2
print(newvals)
{'key1': 1, 'key2': 2, 'key3': 3}
TypeError: unsupported operand type(s) for +: 'dict_value
浏览 22提问于2020-02-16得票数 1
回答已采纳
2回答
目前，我正在使用scikit-learn解决一个多标签分类问题，我在学习如何获得每个类/标签的预测概率方面遇到了一些困难--类似于scikit的.predict_proba()方法在二进制分类任务上所做的事情。
我的y是一个100x102d数组，有10个独特的类，而且我使用scikit-learn的ensemble.RandomForestClassifier()作为分类器。
我想做的只是预测一组给定的特性属于y中的一个类(下面称为y)的可能性。基本上，我是在想象一个类似于这样的输出：
cl_1 | cl_2 | cl_3 | cl_4 | cl_5 | cl_6 | cl_7 | cl_8
浏览 1提问于2016-02-23得票数 1
回答已采纳
3回答
最起码的例子：
import numpy as np
def foo(arr):
negative = arr < 0
arr2 = arr + 1
arr2[negative] *= -1
return arr2
a = np.array([1])
b = np.array(1)
print(foo(a)) # works, also works for any other nonzero dimensional array
print(foo(b)) # TypeError: 'numpy.int64' object does no
浏览 6提问于2022-06-22得票数 0
当使用auc_score作为得分函数时，GridSearchCV使用预测还是predict_proba？
预测功能生成预测的类别标签，这将始终导致三角形ROC曲线。使用预测的类别概率得到更弯曲的ROC曲线。据我所知，后者更准确。如果是这样的话，“曲线”ROC曲线下的区域可能是在网格搜索中衡量分类性能的最好方法。
因此，当使用ROC曲线下的面积作为性能度量时，我很好奇是否将类别标签或类别概率用于网格搜索。我试着在代码中找到答案，但没能找到答案。在座有人知道答案吗？
谢谢
浏览 4提问于2013-02-19得票数 20
回答已采纳
我是Azure的新手，也是一位代码非常低的数据科学家(这似乎对我不利)。不管怎样！几天前，我在most中使用Azure AutoML训练了一个模型，并将最成功的模型注册为带有端点的webservice。现在，当我使用下面的Python代码调用这个模型时，它只返回预测，而不返回概率分数。AutoML已经将“Stackensemble”作为分类问题的最佳模型。我有很多用Python编写的代码，我更喜欢在我的代码中很容易适应的方法，而不是非常不同的方法。注意: HTTPs和get/post请求不是我的优点，所以任何简单易懂的解释都将对我非常有益。谢谢!
用于调用api的代码
resp = reque
浏览 3提问于2020-05-27得票数 0
为什么我不能使用numpy.logaddexp.reduce？
In [46]: a = np.array([1,5, 3, 2])
In [47]: np.logaddexp.reduce(a)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-47-701e5f4017fe> in <mod
浏览 1提问于2015-04-14得票数 1
回答已采纳
我希望通过对由array(['0th', '1th', '2th', '3th', '4th'])提供的整个数组进行操作来获得结果np.array(range(5)).astype(str)。我试过这个：
>>> np.array(range(5))
array([0, 1, 2, 3, 4])
>>> np.array(range(5))*2
array([0, 2, 4, 6, 8])
>>> np.array(range(5)).astype(str)
a
浏览 0提问于2015-01-08得票数 0
回答已采纳
我有.npy格式的数据文件。但为了简单起见，让我们以下面的案例为例
data={}
data["a"]=[1.,2.,3.,4.,5.]
data["b"]=[10,20,30,40,50]
a=data["a"]
b=data["b"]
c1=a*b
c2=a/b
c3=np.sqrt(a/b)
这将产生以下错误
TypeError: can't multiply sequence by non-int of type 'list'
TypeError: unsupported operand type(
浏览 0提问于2015-10-28得票数 1
我正在尝试设置一个神经轴管道，它使用了OneVsRestClassifier (OVR)。
神经轴管道中的每个有效步骤都必须实现fit()和transform()方法。
为了使用sklearns管道步骤，神经轴使用了一个SKLearnWrapper，它将OVRs predict()方法映射到SKLearnWrapper的transform()方法。
是否有一种方法可以修改此行为，以便将predict_proba()方法映射到OVRs transform()方法？
或者还有其他方法来检索计算出的概率？
浏览 3提问于2020-07-11得票数 2
3回答
我编写了以下代码：
from sklearn import tree
# Dataset & labels
# Using metric units
# features = [height, weight, style]
styles = ['modern', 'classic']
features = [[1.65, 65, 1],
[1.55, 50, 1],
[1.76, 64, 0],
[1.68, 77, 0] ]
labels = ['Yellow dres
浏览 7提问于2016-11-23得票数 6
回答已采纳
我目前正在尝试执行类似于此TensorFlow代码的PyTorch片分配。
input_seq[1:, :] = torch.from_numpy(stroke[:-1, :])
像上面这样的简单项赋值不适用于TensorFlow，并给出以下错误。
TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment.
以前针对同一问题的解决方案使用的是较早版本的TensorFlow。对于如何处理同样的问题，我将不胜感激。
浏览 3提问于2022-08-05得票数 0
1回答
我是刚接触scikit的人，我正在学习下面的例子
然而，我想知道，如果我想要分类的字符串A和B都被归入来自朴素贝叶斯的同一文档组，我是否能够找到哪个字符串更有可能被归入文档组？
例如，如果文档组是'computer graphics‘，我有一个字符串"Computers are cool"，另一个字符串是"OpenGL和CUDA are cool"，虽然它们都可能被归入该文档组，但第二个字符串在该文档组下的分类可能更强，因为它的tf-idf分数可能更高。在我对它们进行分类之后，有没有办法找出它们，这样我就可以找出哪个字符串更能代表这个类别？
浏览 2提问于2015-04-22得票数 1
许多算法提供了一个predict_proba函数，表示一个案例属于该类的概率(例如，https://scikit-learn.org/stable/modules/generated/sklearn.svm.libsvm.predict_proba.html )。
引用@Media在用输出0.5解释二进制分类(真)上的回答
假设您有一个区分白色和蓝色汽车的汽车分类器。在训练期间，你有100张蓝色汽车的图片和20张白色汽车的图片。在回忆阶段，如果对于任意图像，每个类都有50 %.
如果蓝色汽车占训练案例的83%，而我得到的predict_proba为蓝色为0.5，那么我是将概率取为0.5，还是需
浏览 0提问于2018-11-28得票数 1
回答已采纳
我正在训练scikit-learn的neighbors.KNeighborsClassifier模型对象来预测多类分类问题。我已经预测了最可能的类，但现在我想提取使用predict_proba函数预测的第二个最可能的类。然而，函数的输出只是给出一个原始的numpy数组，这个数组应该按字典顺序排序。然而，当我盯着数据看概率是否按字母顺序排列时，它似乎就不是这样了。
from sklearn import neighbors
knn_classifier = neighbors.KNeighborsClassifier(n_neighbors = NUM_NEIGHBORS, weights =
浏览 1提问于2015-02-11得票数 5
在Numpy版本1.21.1上
import numpy as np
arr = np.array(1)
hasattr(arr, '__iter__') # Returns True
for i in arr: # Throws TypeError: iteration over a 0-d array
print(i)
这种行为的原因是什么？
浏览 3提问于2021-08-03得票数 1
回答已采纳
1回答
如何在Python中编写此表达式：
min{cos(2xπ), 1/2}
我试过了：
x = np.array([1,2,3,4,5,3,2,5,7])
solution = np.min(np.cos(2*x*np.pi), 1/2)
但它不起作用，并且存在以下错误：
TypeError: 'float' object cannot be interpreted as an integer.
浏览 0提问于2018-02-05得票数 1
回答已采纳
这是数据集的一部分：
a b c result
0 1 1 positive
0 0 1 negative
0 1 1 negative
0 0 0 positive
result = [1 if v=='positive' else 0 for v in data['result'].tolist()]
Output = result
X = data["a", "b", "c"]
y = np.reshape(Output, (X.shape[0], 1))
我试图在sklearn中使用交叉验证方
浏览 0提问于2020-08-20得票数 1
回答已采纳
我使用sklearn中的KNN，并使用predict_proba预测标签。我期望的值在0到1的范围内，因为它告诉了特定类的概率。但我只能得到0和1。
我也设置了很大的k值，但没有任何收获。虽然我只有1000个样本，特征在200左右，而且矩阵很稀疏。
谁能告诉我这里的解决方案是什么？
浏览 2提问于2017-01-31得票数 6
我使用RandomizedSearchCV获得了10倍交叉验证和100次迭代的最佳参数。这个效果很好。但是现在我也想从性能最好的模型中获得每个预测测试数据点(如predict_proba)的概率。
这是如何做到的呢？
我有两种选择。首先，也许可以直接从RandomizedSearchCV获得这些概率，或者第二，从RandomizedSearchCV获得最佳参数，然后再用这个最佳参数进行10倍的交叉验证(用相同的种子，这样我就可以得到相同的分裂)。
编辑:下面的代码是否正确，以获得性能最好的模型的概率？X是训练数据，y是标签，模型是我的RandomizedSearchCV，包含一个Pipelin
浏览 1提问于2018-05-07得票数 0
回答已采纳
2回答
我试图重写分类器类的predict_proba方法。就我所掌握的而言，最简单的方法是对基类方法的输入进行预处理或对其输出进行后处理。
class RandomForestClassifierWrapper(RandomForestClassifier):
def predict_proba(self, X):
pre_process(X)
ret = super(RandomForestClassifierWrapper, self).predict_proba(X)
return post_process(ret)
但是，我想要做的是
浏览 3提问于2015-06-09得票数 3
回答已采纳
我有一个列表a = [3,5,2,3,1]，我想检查这个列表中的每一项是否不少于3。
我试过a >= 3，但它有TypeError。
TypeError: '>=' not supported between instances of 'list' and 'int'
期望输出--真，真，假，真，假
浏览 5提问于2018-01-13得票数 1
回答已采纳
2回答
有一个分类问题(两类)。我们有训练数据，我们知道类标签，我们有测试数据。
想象一下，你已经建立了一个精确性很好(~95%)的预测模型，而我们知道我们并没有过度适应。
如果我们对测试数据进行预测，提取类标签中确定的对象(例如，predict_proba高于90%)，然后添加这些对象来训练数据。
这种策略有意义吗？
浏览 0提问于2016-03-28得票数 2
回答已采纳
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
对象存储
即时通信 IM活动推荐
腾讯云开发者
