sklearn类方法的参数
sklearn是一个机器学习库，提供了丰富的机器学习算法和工具。sklearn类方法的参数包括以下几个方面：
- 输入数据参数：sklearn的类方法通常需要输入数据作为参数，包括训练数据和测试数据。训练数据通常是一个特征矩阵，每行代表一个样本，每列代表一个特征。测试数据也是一个特征矩阵，用于评估模型的性能。
- 目标变量参数：有些机器学习算法需要指定目标变量，即要预测的变量。目标变量可以是连续值（回归问题）或离散值（分类问题）。
- 模型参数：sklearn的类方法提供了各种机器学习算法的参数，用于调整模型的性能和行为。这些参数包括学习率、正则化参数、决策树的深度等。不同的算法有不同的参数，可以根据具体的需求进行调整。
- 交叉验证参数：交叉验证是评估模型性能的一种方法，sklearn的类方法通常提供了交叉验证参数，用于指定交叉验证的折数和评估指标。
- 其他参数：sklearn的类方法还可能包含其他参数，如随机种子、并行计算等。
下面以sklearn中的逻辑回归算法为例，介绍其常用参数：
- 输入数据参数：逻辑回归算法需要输入训练数据和测试数据，分别为特征矩阵X和目标变量y。
- 目标变量参数：逻辑回归算法通常用于二分类问题，目标变量y是一个包含0和1的向量。
- 模型参数：逻辑回归算法的主要参数是正则化参数C，用于控制模型的复杂度。较小的C值表示较强的正则化，可以防止过拟合。
- 交叉验证参数：逻辑回归算法可以使用交叉验证来评估模型的性能，常用的交叉验证参数是cv，用于指定交叉验证的折数。
除了以上参数，sklearn的类方法还提供了其他参数，如随机种子参数random_state，用于控制随机数生成的种子。
推荐的腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）提供了丰富的机器学习算法和工具，可以方便地进行模型训练和部署。
相关·内容
我试图用scikit复制一个集群模型的示例--学习：
import sklearn
sklearn.__version__
返回：
'0.23.2'
和：
from sklearn.cluster import kmeans_plusplus
返回错误消息：
ImportError: cannot import name 'kmeans_plusplus' from 'sklearn.cluster' (C:\Users\sddss\anaconda3\lib\site-packages\sklearn\cluster\__init__.py)
浏览 3提问于2021-04-23得票数 1
回答已采纳
我正在使用SageMaker python sdk，并希望传入一些参数，以供我的入口点使用，我不知道如何做到这一点。 from sagemaker.sklearn.estimator import SKLearn # sagemaker python sdk
entrypoint = 'entrypoint_script.py'
sklearn = SKLearn(entry_point=entrypoint, # <-- need to pass args to this
train_instance_type=instan
浏览 21提问于2019-05-03得票数 5
回答已采纳
我想扩展scikit-learn的ClassificationCriterion类，它被定义为内部模块中的Cython类。我想在Python中这样做，因为我通常无法访问sklearn的pyx/pxd文件(所以我不能使用cimport )。然而，当我试图扩展ClassificationCriterion时，我得到了错误TypeError: __cinit__() takes exactly 2 positional arguments (0 given)。下面的MWE再现错误，并显示错误发生在__new__之后，但在__init__之前。
有办法像这样扩展Cython类吗？
from sklea
浏览 2提问于2017-12-03得票数 3
回答已采纳
1回答
我想知道我们能否在sklearn.pipeline中设置一个“可选”步骤。例如，对于一个分类问题，我可能想尝试一个ExtraTreesClassifier，它前面是否有一个PCA转换。在实践中，它可能是一个具有额外参数的管道，指定了PCA步骤的切换，这样我就可以通过GridSearch等对其进行优化。我在sklearn源代码中看不到这样的实现，但是有什么解决办法吗？
此外，由于管道中以下步骤的可能参数值可能取决于前一步中的参数(例如，ExtraTreesClassifier.max_features的有效值依赖于PCA.n_components)，因此是否可以在sklearn.pipeline
浏览 2提问于2013-10-09得票数 24
回答已采纳
1回答
我在gensim，find text，sklearn上检查了无监督聚类，但没有找到任何文档，在这些文档中，我可以使用无监督学习对文本数据进行聚类，而不是提到要识别的聚类数量
例如，在sklearn KMneans集群中
km = KMeans(n_clusters=true_k, init='k-means++', max_iter=100)
我必须提供n_clusters。
在我的例子中，我有文本，它应该自动识别其中的聚类数量，并对文本进行聚类。任何参考文章或链接非常感谢。
浏览 0提问于2018-09-20得票数 0
1回答
我有以下代码：
import numpy as np
from sklearn import svm
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
def tanimotoKernel(xs, ys):
a = 0
b = 0
for x, y in zip(xs, ys):
a += min(x, y)
b += max(x, y)
浏览 15提问于2021-05-15得票数 0
我想在神经轴管道中使用分类器，例如sklearn.linear_model.SGDClassifier，并使用partial_fit在线安装它。我将分类器封装在带有SKLearnWrapper的use_partial_fit=True中，如下所示：
from neuraxle.pipeline import Pipeline
from neuraxle.steps.sklearn import SKLearnWrapper
from sklearn.linear_model import SGDClassifier
p = Pipeline([
SKLearnWrapper(SGDC
浏览 2提问于2020-10-22得票数 1
回答已采纳
我想从sklearn中提取一个回归算法，比如说一个RandomForestRegressor：
from sklearn import ensemble
clf = ensemble.RandomForestRegressor(max_depth=None)
class model(clf):
def __init__(self):
clf.__init__(self)
def inSampleAccuracy(self):
print('\"accuracy is calculated\"')
testM
浏览 6提问于2022-11-15得票数 1
我的老师在课堂上这样做，我想知道在xtest中使用.fit_transform可以吗？它不应该只是poly.transform(xtest)
教师守则
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=3)
xtrain_poly = poly.fit_transform(xtrain)
xtest_poly = poly.fit_transform(xtest)
As我认为应该是：
from sklearn.preprocessing import PolynomialF
浏览 0提问于2022-02-08得票数 0
回答已采纳
1回答
我尝试使用继承扩展scikit-learn的RidgeCV模型：
from sklearn.linear_model import RidgeCV, LassoCV
class Extended(RidgeCV):
def __init__(self, *args, **kwargs):
super(Extended, self).__init__(*args, **kwargs)
def example(self):
print 'Foo'
x = [[1,0],[2,0],[3,0],[4,0], [30, 1]]
y
浏览 2提问于2016-10-13得票数 10
回答已采纳
我是一个新的sklearn Pipeline，并遵循了一个示例代码。我在其他例子中看到我们可以做pipeline.fit_transform(train_X)，所以我在pipeline.fit_transform(X)的管道上尝试了同样的事情，但它给了我一个错误
“返回self.fit(X，**fit_params).transform(X)
TypeError: fit()恰好接受3个参数(给定2个)“
如果我删除svm部分并将管道定义为pipeline = Pipeline([("features", combined_features)])，我仍然看到错误。
有人知道为什
浏览 0提问于2016-06-28得票数 0
1回答
我想将更多的数据传递给scikit中的转换器--学习：
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline
import numpy as np
from sklearn.model_selection import GridSearchCV
class myTransformer(BaseEstimator, TransformerMixin):
浏览 5提问于2017-01-24得票数 3
回答已采纳
我正在使用自己的预测器，并希望像使用任何scikit例程一样使用它(例如RandomForestRegressor)。我有一个包含fit和predict方法的类，它们似乎工作得很好。但是，当我尝试使用一些scikit方法时，例如交叉验证，我得到如下错误：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Python27\lib\site-packages\sklearn\cross_validation.py", lin
浏览 0提问于2014-05-26得票数 17
回答已采纳
1回答
这是一个创建分类器的简单ML程序。我根据ML上的Google developers播放列表创建了它。当我运行程序时，输出了错误(TypeError: fit() missing 1 required positional argument：'y_train')。我不明白这怎么可能。
from scipy.spatial import distance
def euc(a,b):
return distance.euclidean(a,b)
class ScrappyKNN():
def fit(self,X_train,y_train):
sel
浏览 772提问于2018-07-26得票数 4
回答已采纳
2回答
使用以下代码：
from sklearn.utils import all_estimators
from sklearn import base
# Print all regressors
estimators = all_estimators(type_filter="regressor")
for name in estimators:
print(name[0], name[1])
...renders这个响应：
ARDRegression <class 'sklearn.linear_model._bayes.ARDRegression
浏览 2提问于2021-10-01得票数 0
回答已采纳
我想要使这个ML模型科学学习兼容：
为此，我遵循这里的说明：和导入from sklearn.base import BaseEstimator, RegressorMixin，并从它们继承如下：class MERF(BaseEstimator, RegressorMixin):
但是，当我检查scikit-学习兼容性时：
from sklearn.utils.estimator_checks import check_estimator
import merf
check_estimator(merf)
我知道这个错误：
Traceback (most recent call last):
浏览 2提问于2021-05-09得票数 5
回答已采纳
我遇到了这个错误。我认为这是我当地设置的一个问题。
# Importing RFE and LinearRegression
from sklearn.feature_selection import RFE
from sklearn.linear_model import LinearRegression
# Running RFE with the output number of the variable equal to 10
lm = LinearRegression()
lm.fit(X_train, y_train)
rfe = RFE(lm, 10)
浏览 14提问于2022-01-11得票数 0
回答已采纳
我从DPGMM得到的结果并不是我所期望的。例如：
>>> import sklearn.mixture
>>> sklearn.__version__
'0.12-git'
>>> data = [[1.1],[0.9],[1.0],[1.2],[1.0], [6.0],[6.1],[6.1]]
>>> m = sklearn.mixture.DPGMM(n_components=5, n_iter=1000, alpha=1)
>>> m.fit(data)
DPGMM(alpha=1,
浏览 0提问于2012-10-19得票数 6
我正在使用Auto-Sklearn，并且有一个包含42个严重不平衡的类的数据集。处理这种不平衡的最好方法是什么？据我所知，在机器学习中存在两种处理不平衡数据的方法。要么使用重采样机制，如过采样或欠采样(或两者的组合)，要么在算法级别上通过选择需要深入了解Auto-Sklearn中使用的算法的归纳偏差来解决它。我不太确定如何处理这个问题。有没有可能直接在Auto-Sklearn中解决不平衡问题，或者我是否需要使用不平衡学习等提供的重采样策略？模型计算完成后，应使用哪种评估指标？从sklearn==0.22.1开始，就可以使用多个类的roc_auc_score。但是，Auto-Sklearn仅支持
浏览 2提问于2020-02-21得票数 2
我试图使用三种不同的聚类算法来进行聚类分析。我从stdin加载数据，如下所示
import sklearn.cluster as cluster
X = []
for line in sys.stdin:
x1, x2 = line.strip().split()
X.append([float(x1), float(x2)])
X = numpy.array(X)
然后将集群参数和类型存储在数组中，如下所示
clustering_configs = [
### K-Means
['KMeans', {'n_clusters'
浏览 5提问于2016-09-29得票数 2
回答已采纳
1回答
我需要分离出我得到的一些数据。我用熊猫DataFrame来做这个。
下面是我的问题之前的代码：
import pandas as pd
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.svm import LinearSVC
from sklearn.metrics import ConfusionMatrixDisplay
arquivo_arff = arff.loadarff(r"/content/Rice_MSC_D
浏览 4提问于2022-08-18得票数 0
我正在尝试将管道对象保存为PMML，而Python抛出了一个RuntimeError。 我的Python版本是3.6，sklearn2pmml版本是0.44.0，JDK版本是1.8.0_201。 所有这些都符合软件包的前提条件。 以下是我到目前为止所做的工作。(我不包括数据加载和清理部分) from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import make_pmml_pipeline, sklearn2pmml
logit_pipline = Pipeline([('vect', Coun
浏览 472提问于2019-04-30得票数 3
我知道我应该在某个地方添加average=None，但我真的不知道，目标变量是一组数字：
from sklearn.model_selection import train_test_split
trainset, testset = train_test_split(df, test_size=0.2, random_state=0)
def preprocessing(df):
X = df.drop('log_price', axis=1)
y = df['log_price']
print(y.
浏览 2提问于2020-07-19得票数 0
回答已采纳
学习提供方便的类来处理sklearn.preprocessing的属性输入器的缺失值
from sklearn.preprocessing import Imputer
im=Imputer(strategy="median")
我期待着一个结果，但是某种警告显示了
/usr/local/lib/python3.6/dist-packages/sklearn/utils/deprecation.py:66: DeprecationWarning: Class Imputer is deprecated; Imputer was deprecated in version 0.2
浏览 0提问于2019-06-01得票数 1
当我运行Python代码进行线性回归时，我想知道导入sklearn.model_estimation和sklearn.cross_validation之间的区别。
我发现sklearn.model_estimation调用了一个名为next(ShuffleSplit().split(X, y))的方法，而sklearn.cross_validation调用了一个名为next(iter(ShuffleSplit(n_samples)))的方法，但我仍然不知道这两个方法实际执行的是什么区别。
寻求帮助。
提前谢谢。
浏览 0提问于2018-07-03得票数 0
1回答
我正在尝试使用python的sklearn将光学聚类模型与我的数据相匹配
from sklearn.cluster import OPTICS, cluster_optics_dbscan
from sklearn.preprocessing import StandardScaler
x = StandardScaler().fit_transform(data.loc[:, features])
op = OPTICS(max_eps=20, min_samples=10, xi=0.1)
op = op.fit(x)
在此模型中，得到了点的可达距离(op.reachability_)
浏览 5提问于2021-04-26得票数 1
回答已采纳
2回答
我试图用自定义形式实例化一个对象，如下所示：
from sklearn.linear_model import LinearRegression
from sklearn.linear_model import ElasticNet
from sklearn.linear_model import Lasso
from sklearn.linear_model import Ridge
class instance:
def custom_instanciation(self, estimator=None):
estimator1 = estimator
print(
浏览 2提问于2022-04-25得票数 1
我正在实践对sklearn数据的load_iris建模。当我从LogisticRegression启动sklearn.linear_model时，当我试图适应数据时，我会收到一个错误。
下面您可以检查我的代码：
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression
iris = load_iris()
X = iris.data
y =
浏览 4提问于2017-08-06得票数 1
2回答
我在分类问题上应用了predict_proba。我有一些在R中构建分类模型的经验，但这是我第一次使用Python的sklearn。 所以问题是:在sklearn中，在拟合之后，我找不到一种方法来获取概率。有可能吗？有一个方法，顾名思义，就是predict_proba()，它就是but...as。这是我的代码： import pandas as pd
from sklearn.svm import SVC
from sklearn.svm import LinearSVC
import pickle
from nltk.tokenize import sent_tokenize
from M
浏览 103提问于2019-09-11得票数 1
1回答
我已经使用MultiLabelBinarizer对目标变量进行了编码。然后，我以这种方式从转换的结果中创建了一个新的DataFrame。
y_trans = pd.DataFrame(MultiLabelBinarizer().fit_transform(y))
这是head()
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
-----------------------------------------------------------------------
0 0 0
浏览 1提问于2020-11-03得票数 1
我正在尝试在sklearn中构建一个使用KNeighborsClassifier和支持向量机的GridSearchCV管道。到目前为止，我已经尝试了以下代码：
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
from sklearn import svm
from sklearn.s
浏览 19提问于2017-03-11得票数 1
基本上，我希望将列索引视为超参数。然后调优此超参数以及管道中的其他模型超参数。在下面的示例中，col_idx是我的超参数。我自定义了一个名为log_columns的函数，它可以对某些列执行对数转换，并且可以将该函数传递给FunctionTransformer。然后将FunctionTransformer和模型放入管道中。
from sklearn.svm import SVC
from sklearn.decomposition import PCA
from sklearn.datasets import load_digits
from sklearn.pipeline import ma
浏览 3提问于2019-08-21得票数 2
回答已采纳
我正在尝试使用sklearn提供的sklearn包装器来解决多类问题。我的类是0，1，2，我使用的目标是multi:softmax。当我试图安装分类器时，我得到
xgboost.core.XGBoostError:参数num_class的值0应该大于1
如果我试图设置num_class参数，我就会得到错误
得到一个意外的关键字参数'num_class‘
Sklearn是自动设置这个参数的，所以我不应该传递这个参数。但是为什么我会有第一个错误呢？
浏览 6提问于2016-10-18得票数 20
回答已采纳
我在我的代码中使用了from sklearn.cross_validation import KFold，它工作正常，没有任何问题。 现在我得到了错误ModuleNotFoundError: No module named 'sklearn.cross_validation' 我在谷歌上搜索了一下，发现包函数被重命名为model_selection而不是cross_validation，但我必须使用KFold函数from sklearn.cross_validation import KFold。我使用的sklearn版本是0.20.1和Python3.7.1 使用skle
浏览 30提问于2019-06-16得票数 0
在sklearn中，可以创建一个管道来优化机器学习设置的整个工具链，如以下示例所示：
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
from sklearn.decomposition import PCA
estimators = [('reduce_dim', PCA()), ('svm', SVC())]
clf = Pipeline(estimators)
现在，根据定义，流水线表示一个串行进程。但是，如果我想在管道的同一级别上比较不同的算法，该怎么办？假设我想尝试PC
浏览 1提问于2016-07-28得票数 1
2回答
预测模型训练与评价的预测误差
、、、、
我试图用我在Kaggle上找到的数据集来训练和评估预测模型，但是我的精度是0，我想知道我是否做错了什么。
该代码适用于随机森林模型，但不适用于支持向量机或神经网络。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
from sklearn import svm
from sklearn.neural_network import MLPC
浏览 0提问于2019-05-17得票数 0
回答已采纳
1回答
我正在参加Kaggle犯罪竞赛，目前我正在尝试多个不同的分类器来测试基准性能。我使用的是sklearn的LogisticRegressionClassifier，没有任何参数调整，我从sklearn.metrict.classification_report中注意到，它只是在预测主要的类，即在我的训练集中出现次数最多的类。
直觉告诉我，这必须进行参数调优，但我不确定为了使分类器更清楚地知道不太占优势的类( LogisticRegressionClassifier有相当多的类)，必须每周调整哪些参数。目前，它只预测从38个或类似的3类，所以它肯定需要改进。
有什么想法吗？
浏览 2提问于2015-12-16得票数 0
回答已采纳
基本上，我正在使用python sk-learn库中的一些数据挖掘算法来进行分类。
然而，我得到了一些非常不平衡的结果，比如，关于0.99召回率和低于0.1的准确率。
概念分类算法依赖于某种“阈值”来做出决策，这意味着我应该能够通过调整这个“阈值”来平衡精确性和召回率。
但是，我在sklearn中找不到一些API来帮助解决这个问题，所以我的问题是:如何操作sklearn库中的底层“阈值”以平衡精确度和召回率？
浏览 2提问于2016-02-16得票数 1
我正在尝试使用scikit学习PLSRegressor类作为降维的中间步骤，但是收到了以下错误。
ValueError: could not broadcast input array from shape (100,2) into shape (100)
我从scikit-学习文档中了解到，管道中实现fit和transform的任何中间步骤都应该有效。PLSRegression类确实实现了这些方法。
类sklearn.pipeline.Pipeline(步骤)
依次应用转换列表和最终估计器。管道的中间步骤必须是“转换”，也就是说，它们必须实现fit和transform方法。最后的估计只需实
浏览 4提问于2017-01-26得票数 2
1回答
我对三种不同的f1计算感到困惑。对于严重不平衡的数据，我应该使用哪种f1评分？我正在研究一个严重不平衡的二进制分类。
‘f1’
‘f1_micro’
‘f1_macro’
‘f1_weighted’
另外，我想在balanced_accuracy评分参数中添加balanced_accuracy_score(y_true, y_pred, adjusted=True)。如何将其合并到我的代码中？
from sklearn.model_selection import cross_validate
from sklearn.metrics import make_scorer
from sklea
浏览 11提问于2021-04-07得票数 0
2回答
我正在尝试将模型保存到MLFlow，但是由于我有一个自定义预测管道来检索数据，所以我需要将额外的元数据保存到模型中。
我尝试使用我的自定义签名类，它正确地完成了工作，并在MLModel文件(YAML格式)中使用额外的元数据保存模型。但是，当希望从MLFlow注册表加载模型时，签名是不容易获得的。
mlflow.sklearn.log_model(model, "model", signature = signature)
我还尝试在log_model函数中保存一个额外的字典，但它将其保存在conda.yaml文件中：
mlflow.sklearn.log_model(model
浏览 0提问于2021-11-30得票数 3
回答已采纳
我试图在库中添加一些非常基本的功能(即scikit-learn)。但是，我倾向于不直接修改库本身，因为( a)即使在我自己的测试中，我也希望能够打开和关闭该功能；( b)这很可能是不属于库的主要代码库的功能。
我想做的是对一个基类进行猴子补丁(在本例中是sklearn.base.BaseEstimator)，这样当库中的其他类从类导入/派生时，它们会得到我修改过的类。到目前为止，我的情况如下：
import sklearn
from sklearn.base import BaseEstimator
from sklearn import base
class InstrumentedEst
浏览 5提问于2016-06-01得票数 2
回答已采纳
下面是我的代码：
tuned_parameters = [
{'kernel': ['linear], 'C':[1, 10], 'class_weight': ['auto']}, {'kernel': ['rbf'], 'C':[1,10], 'class_weight':['auto']}]
clf = GridSearchCV(svm.SVC(), tuned_parameters, cv=5, scoring='acc
浏览 0提问于2018-10-03得票数 2
回答已采纳
使用下面的示例，使用Python3.5的sklearn：
from sklearn import tree
features = [[140,1], [130,1], [150,0], [155,0]]
labels = [0,0,1,1]
clf = tree.DecisionTreeClassifier()
clf.fit(features, labels)
print(clf.predict(155,0))
我在错误之后得到错误。我不明白为什么会收到这个错误，有人能解释一下吗？
Traceback (most recent call last):
File "ml.py&#
浏览 0提问于2016-04-10得票数 3
回答已采纳
1回答
我有40000个资产的时间序列。我将数据分为训练数据和目标数据。训练数据有119天的回报，目标数据有59天的回报。我故意把它分成这样。
列车：(119行返回，40000个不同系列)目标：(59行返回，相同的40000系列)
我运行了以下代码来适应模型：
SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
---------------------------------------------------------------
浏览 0提问于2015-10-30得票数 1
我想尝试不同的管道配置文本分类。
是我干的
pipe = Pipeline([('c_vect', CountVectorizer()),('feat_select', SelectKBest()),
('ridge', RidgeClassifier())])
parameters = {'c_vect__max_features': [10, 50, 100, None],
'feat_selec
浏览 3提问于2017-08-19得票数 1
回答已采纳
sklearn.model_selection.GridSearchCV的医生说
由搜索选择的估计量，即给出的数据上的最高分数(或最小损失)的估计量。如果是refit=False，则不可用。
..。
所选择的参数是那些最大限度地提高了剩馀数据的得分的参数，除非传递显式得分，否则将使用它。
的人也是 。
什么是“遗漏的数据”？它是否是交叉验证的一部分，例如，数据集的1/10？
数据是如何被sklearn.model_selection.GridSearchCV遗漏的
浏览 0提问于2019-08-28得票数 0
回答已采纳
目前，我正在尝试将一个模型从sklearn导出到Android。为此，我使用库sklearn-porter (sklearn-porter)。 这将从经过训练的模型生成一个Java类，如下所示： class DecisionTreeClassifier {
public static int predict(double[] features) {
int[] classes = new int[2];
if (features[350] <= 0.5156863033771515) {
if (features[568
浏览 29提问于2019-10-08得票数 4
回答已采纳
1回答
NLP工作流
、、、
什么时候应该在train_test_split之前或之后对NLP中的文本数据执行预处理和矩阵创建？下面是我在train_test_split之前做过预处理和矩阵创建(tfidf)的示例代码。我想知道会不会有数据泄漏？
corpus = []
for i in range(0 ,len(data1)):
review = re.sub('[^a-zA-Z]', ' ', data1['features'][i])
review = review.lower()
review = review.split()
rev
浏览 4提问于2021-08-21得票数 0
回答已采纳
我是python和机器学习的新手。根据我的要求，我正在尝试对我的数据集使用朴素贝叶斯算法。
我能够找出准确率，但试图找出精确度和召回率相同。但是，它抛出了以下错误：
"choose another average setting." % y_type)
ValueError: Target is multiclass but average='binary'. Please choose another average setting.
有没有人能建议我怎么做呢？我已经尝试在精度中使用average ='micro‘，recall scores.I
浏览 0提问于2018-09-11得票数 18
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
