我已经构建了一个包含几个步骤的管道，这需要一些时间来适应。为了进行调试，我希望能够检查该管道的子集(例如{pipe step 1-3}.transform(X))。我知道我可以使用管道(pipe.named_steps:3)来提取一个子集，并从它构建一个新的管道。不幸的是，在调用transform之前，我必须重新调整管道。 有没有办法避免改装？
浏览 12提问于2020-06-23得票数 0
回答已采纳
1回答
特征标准化-多层感知器
、、、
对于多层感知器学习过程之前的特征标准化，我有严重的疑问。from sklearn.preprocessing import StandardScaler #
浏览 0提问于2017-11-15得票数 0
回答已采纳
我正在尝试使用sklearn_pandas模块来扩展我在熊猫中所做的工作，并深入机器学习，但是我正在为一个错误而挣扎，我并不真正理解如何修复。from sklearn_pandas import DataFrameMapper, cross_val_scoremodule>()
----> 1
浏览 2提问于2014-07-05得票数 1
回答已采纳
基本上，我有一个以电影为行的数据帧，一个列“标题”和一个列“汤”。最后一列以字符串的形式包含电影和合作者的概述。 我有一个包含电影子集的第二个数据帧。(因此“汤”也是完整DF的一个子集) 现在使用以下代码： from sklearn.feature_extraction.text import CountVectorizer
from sklearn.metrics.pairwisecount.fit_transform(df_sub
浏览 11提问于2020-08-27得票数 1
回答已采纳
我正在浏览示例管道，用于从scikit-learn文档中提取和评估 。在那里，它们显示了下面的管道from sklearn.feature_extraction.text在示例中，它们在训练数据集上拟合CountVectorizer，然后提取特征。我想要做的是在一个更大的语料库上拟合CountVectorizer，
浏览 10提问于2022-04-28得票数 0
我想要创建管道，它将在模型预测之后对y变量进行逆变换。我有三个泡菜文件：Y变量标量变换预拟合对象:-Y sclr我将它导入python，现在我希望使用这个文件创建管道，其中输入数据将由Xsclr参数转换成标量from sklearn.pipeline import Pipeline
pipe = Pipeline(steps=[(StandardScaler(), Xsclr(SVR(), model
浏览 0提问于2020-07-24得票数 2
我的数据如下所示： product_description class"Beauty product这是我的流水线当前的样子： X = df['product_description']y
浏览 163提问于2021-09-08得票数 4
我刚开始学习ML，想知道当.fit_transform()存在的时候，为什么要分别做.fit()和.transform()。另外，我通常对what /.fit()到底做什么感到困惑。
浏览 0提问于2020-06-18得票数 0
我想使用sklearn管道在Ames数据集上训练ML模型，如下所示：from sklearn.model_selection：
下一步是特征选择和拟合模型。但是，我想将StandardScaler应用于目标变量(y)。我想知道如何将此步骤包含在sklearn管道中，以确保
浏览 8提问于2022-09-01得票数 0
回答已采纳
我有数据的预处理器，上面定义了代码，一些网格参数pipe = Pipeline(steps=[ ('XGBmodel', XGBmodel)我想通过这些拟合参数
fit_params = {"XGBmodel__eval_set": [(X_valid似乎它应该是有效的。此外，我还试图找到一种方法，分别为验证数据应用预
浏览 1提问于2019-05-29得票数 5
1回答
我有一个sklearn管道，它由一个自定义转换器组成，后面是XGBClassifier。我想在转换器中添加的最后一步是另一个自定义转换器，它转换XGBClassifier的结果。最后一个自定义转换器将预测的概率排序为等级(5-百分位数)。', custom_trsf1), ('custo
浏览 1提问于2020-11-26得票数 1
我使用不平衡数据通过scikit-learn执行分类并提高模型的准确性，我使用SMOTE技术创建了更多的合成数据。我想知道用GridSearch实现超参数优化的最佳时机。
浏览 12提问于2019-10-30得票数 0
1回答
我在代码中创建了一个管道，如下所示from sklearn.linear_modelimport SGDClassifier ('tfidfTfidfVectorizer(max_df=0.5, min_df=10)),
('
浏览 0提问于2017-03-23得票数 0
1回答
假设同一列(即特征)用于超参数调整和模型拟合，而集成模型用于建模(例如，随机森林或XGboost)，那么在超参数调整过程中使用的列的顺序是否应与基于最佳超参数拟合模型时使用的列的顺序相同？我在我的简历管道中使用sklearn的make_column_transformer函数进行超参数调整。不幸的是，当将余数参数设置为“passthrough”时，此函数修改了提供
浏览 0提问于2020-02-10得票数 1
回答已采纳
我意识到使用pandas .get_dummies()函数可以很容易地做到这一点，但我需要使用管道，以便稍后可以生成PMML文件。 [(d, LabelEncoder()) for d in dummies] +) ("regressor&qu
浏览 15提问于2017-02-13得票数 13
回答已采纳
2回答
几乎和的帖子完全一样。
from sklearn.pipeline import Pipeline
from sklearn.linear_mod
浏览 2提问于2020-11-27得票数 3
回答已采纳
我已经定义了数据，用一个分类特征“性别”进行拟合： data = pd.DataFrame({ 'sex': ['female', 'male'female'],})y = data['won_lottery'] 和<em
浏览 13提问于2019-06-12得票数 6
回答已采纳
1回答
我有一个用户出生地的数据，特别是一个城市。因为我的数据集中有几千个城市，所以我寻找OneHot编码的替代方案，因为我不想为一列向我的数据集中添加数千列。我发现BaseN编码是OneHot的一个很好的替代方案，所以我选择了它。我用基数4对我的数据进行了编码，所以现在我使用的是City_0、City_1等，而不是字符串column City。但是，在使用随机森林分类器对数据集进行建模后，我发现某些City_#变量是最重要的特性之一。但是我
浏览 46提问于2021-10-03得票数 0
2回答
我正在处理一个在sagemaker中使用文本数据进行分类的问题。在这里，我首先将其拟合并转换为结构化格式(例如，通过在sklearn中使用TFIDF )，然后我将结果保存在S3桶中，并将其用于训练我的pytorch模型，并在我的入口点为其编写了代码。滑雪板TFIDF模型
因此，每当我需要预测一个新的文本数据时，我需要使用我在培训期间创建的TFIDF模型分别处理(转换)文本数据。如何
浏览 0提问于2019-09-03得票数 0
给出了以下示例：from sklearn.decomposition importNMFimport pandas as pd
("tf_idf", TfidfVectorizer学习管道中的中间数据状态。或者用另一种方式说，这和应用是一样<e
浏览 0提问于2018-02-12得票数 26
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
