1回答
我想使用具有不同基础估计器的sklearn 。因为它们使用，所以一般的没有太多帮助我也可以使用神经网络吗？
是什么限定了可能的基本估计者？
浏览 16提问于2019-11-04得票数 0
回答已采纳
当我在md熵包中做一个关于交互信息的教程时，我得到了以下错误：
File "/home/midhun/scikit-learn/sklearn/cluster/k_means_.py", line 994
浏览 7提问于2018-10-16得票数 0
from sklearn.pipeline import _name_estimators
class MajorityVoteClassifier(BaseEstimator,ClassifierMixin
浏览 45提问于2019-09-12得票数 0
回答已采纳
我很好奇为什么单个估计器Adaboost“集成”，单估计梯度增强“集成”和单个决策树给出不同的值。下面的代码比较了三种模型，它们都使用相同的基估计器(回归树和基于max_depth =4的损失)。基估计为裸树模型
提取和
浏览 10提问于2022-05-17得票数 1
回答已采纳
1回答
我需要对我的模型做投票分类器。显然，我不能这样做，因为我的模型不是scikit学习的一部分，所以我不能做投票分类器。所以我决定我必须先拟合我的模型，然后再做投票分类器，但不幸的是投票分类器不支持预拟合模型。如何更改估计器，使投票分类器在预拟合模型上工作？38 votingClassifier.fit(X_train,y_train)
/home/nida/anaconda3/envs/py2/lib/
浏览 0提问于2021-02-25得票数 0
这是我使用的代码：from sklearn.pipeline import Pipeline
from__深度’，‘估计者_rfc_引导’，‘估计者_rfc_ccp_α’，‘估计者__rfc_类_权重’，‘估计者__rfc_判据’，‘估计器__rfc__max_深度’，‘估计器__rfc__max_特点’，‘估值
浏览 4提问于2022-03-26得票数 2
1回答
如何在中使用RFE？
、、、、
，它返回一个助推器，但我想使用RFE来选择最佳的100个特性。返回的助推器不能在RFE中使用，因为它不是sklearn估计器。XGBClassifier是xgboost库中的sklearn api，然而，我无法获得与xgb.train(...)方法相同的结果(roc-auc方法差10%)。我已经尝试过sklearn的助推器，但他们也不能得到类似的结果。我还尝试将xgb.train(...)方法包装在一个类中，以添加sklearn<em
浏览 2提问于2021-02-22得票数 7
似乎tflearn.DNN生产的模型与sklearn的GridSearchCV期望不兼容：import tflearn---> 24 grid.fit(X, X) 26
/home/deeplearning/anaconda3/lib/python3.5/site-packages/sklearnParameterGrid(self.param
浏览 25提问于2016-08-16得票数 2
我正在尝试使用Sklearn中的BaggingClassifier来定义多个base_estimator。据我所知，会有类似这样的东西。我假设我可以切换到StackingRegressor(estimators=)来手动定义多个估计器。但列出100个估计器将是一件痛苦的事情，更不用说会有许多基本估计器的排列和组合。你能帮我理解一下如何在sklearn.BaggingClassifier中定义多个base_estimator吗？
浏览 0提问于2021-04-30得票数 0
为了提取这种模型的适当权重，我是否需要使用下面的公式手动计算它们：或者是sklearn中已经有一些内置的功能了？
浏览 4提问于2019-12-13得票数 2
在我的问题中，我想使用一个简单的RandomizedSearchCV调谐器调优sklearn.ensemble.StackingRegressor。因为我们需要在实例化StackingRegressor()时定义估计器，所以我无法在我的param_distribution随机搜索中正确地定义估计器的参数空间。我尝试了以下方法，但遇到了错误： from sklearn.datasets import load_diabetes
from sklearn.
浏览 232提问于2021-09-21得票数 0
回答已采纳
我读了文档，但我真的不清楚StackingClassifier支持哪些估计器。估计器不是sklearn (catboost，keras，pytorch等)的一部分，与StackingClassifier兼容吗？如果它们中的一些是，那么使用StackingClassifier的估计器的最低和充分要求是什么？
浏览 0提问于2020-08-30得票数 0
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：我尝试将结果与非标准化数据上的状态模型OLS进行比较。在此基础上，统计模型的均方误差比滑雪板模型差得多。然而，sklearn模型在统计信息方面的信息量较小，例如，如果我想从回归结果中删除一个基于p值的变量。这应该发生(不同的结果
浏览 0提问于2019-10-31得票数 0
from sklearn.svm import SVCfrom sklearn.model_selectionimport GridSearchCV
from sklearn.datasets import make_classificationparameters,verbose=3,scoring='
浏览 23提问于2022-05-14得票数 0
1回答
代码如下所示for i in range(0, 10): model.fit(x,y)其中x和y在每个for迭代中是不同的。
浏览 0提问于2021-03-11得票数 0
回答已采纳
我使用了load_boston数据集从学习和线性回归。守则：import pandas as pd%matplotlib inlinefrom sklearn.model_selection import train_test_split, KFold,cross_val_score,cross_validate
from sklearn.linear_model
浏览 4提问于2020-04-21得票数 0
回答已采纳
我使用'__‘来表示基础估计器的一个超参数：from sklearn.ensemble importResults:现在我已经得到了最好的参数，我如何再次将其放入袋装分类器中使用*
浏览 9提问于2020-06-01得票数 0
回答已采纳
即使我没有定义评分参数，它也会对最佳评估器进行评分并做出决定，但是文档显示，评分的默认值是“无”，那么，如果我没有定义度量或度量列表，那么它用来得分的是什么呢？
浏览 0提问于2021-05-10得票数 8
这是我的解决方案：
from sklearn.tree import DecisionTreeClassifierfrom sklearn.datasets import load_iris
X = iris.data File "/home/stepic/
浏览 1提问于2022-01-11得票数 0
回答已采纳
我试图使用GridSearch尝试在管道中的PCA步骤中尝试不同数量的组件，以及多个估计器。中具有多个超参数和多个估计器(加超参数)的预处理方法？--如果not...How可以在同一个GridSearch？中包含多个超参数和多个估计器(加超参数)的预处理## Dependenciesimport pandas as pd
import numpy asPCA组件数据集，然后将其传递到下一步的
浏览 0提问于2020-12-07得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
