scikit-learn

0熱

1答えて

主成分分析（PCA）は、分散が同じままでデータフレームの位置

を変更した後、私はAとBがC df = df[['A','B','C']] array = df.values X = array[:,0:-1] Y = array[:,-1] # Feature Importance model = GradientBoostingClassifier() model.fit(X, Y) print ("Importance:") prin

scikit-learn pca 2017-12-16

---

0熱

1答えて

scikit-learnでNu_SVRの詳細は表示されません

私はscikitでSVMを使用しています。トレーニング中に私のモデルがどのように動作しているかを知る必要があります。 しかし、私はSVMに冗長を得ることができないと私は次の出力を得続ける：* begin training .... [LibSVM] これは私が書いたコードです： print("begin training ....") svm = NuSVR(kernel="rbf",C=

scikit-learn svm libsvm 2017-12-16

---

0熱

1答えて

パンダの複数の列にラベルをエンコードする

現在、私はタイタニックのデータセットに取り組んでいます。それは4-5の非数値列で構成されています。 sklearn.LabelEncoderクラスを適用して、これらの非数値列のエンコードされた値を取得します。私は間違いなく、このメソッドを1つずつ各列に適用できます。しかし、このようなコラムが20-30本以上あると、仕事は面倒になるでしょう。私はそのような非数値列の名前を知っているので、簡単な方法で

python machine-learning scikit-learn dataset sklearn-pandas 2017-12-17

---

0熱

1答えて

Sklearn単変量選択タイプエラー

Iは因子AとBはC df = df[['A','B','C']] print (df.head()) print (df.tail()) from sklearn.feature_selection import SelectKBest from sklearn.feature_selection import chi2 names = ['A','B'] for n in ra

machine-learning scikit-learn 2017-12-17

---

0熱

2答えて

画像サイズに関係なく、固定長の勾配（HOG）のヒストグラムを計算します。

私はHOG + SVMモデルを訓練しています。私の訓練データはさまざまなサイズとアスペクト比です。 SVMモデルは可変サイズのリストで訓練することができないので、画像のサイズに関係なく同じ長さの勾配のヒストグラムを計算したいと考えています。 これを行うには巧妙な方法がありますか？それとも、画像のサイズを変更したり、画像を埋め込む方が良いでしょうか？

machine-learning scikit-learn computer-vision 2017-12-18

---

-1熱

1答えて

sklearnを使用したランダムフォレストでの自動ハイパーパラメータ調整？

GridSearchを使用してランダムなフォレストクラシファイアを自動的に調整する方法はありますか？値を提供するのではなく、最良の最適なパラメータ値を見つける方法があるかどうかです。 rfc = RandomForestClassifier(n_jobs=-1, max_features='sqrt', oob_score = True) # Use a grid over param

machine-learning scikit-learn random-forest hyperparameters 2017-12-18

---

4熱

2答えて

LogisticRegression scikitは、トレーニングで共変量（列）の問題を学習します。

何らかの理由で、共変量の順序がscikit-learnのLogisticRegression分類子で問題に思えます。私は9つの共変量とバイナリ出力を持っています。カラムの順番を変えてfit()と呼んだら、predict_proba()と呼ぶと出力が異なります。 logit_model.fit(df['column_1','column_2'],df['target']) logit_model.

python python-3.x pandas scikit-learn logistic-regression 2017-12-18

---

3熱

1答えて

マルチクラスのクロス検証で平均ROCを計算する方法

私は最近、自分のプロジェクトにsklearnを使用することに苦労しています。 私は分類器を作り、私のデータを6つのグループに分類したいと思っていました。総サンプルサイズが88、私は電車（66）にデータを分割し、テスト（22） たsklearnのドキュメントが示したように私はここに、正確にやった私のコードは ある from sklearn.multiclass import OneVsRestCla

python machine-learning scikit-learn cross-validation roc 2017-12-18

---

1熱

3答えて

多数のフィーチャのscikit-learnのフィーチャー選択

私はMachine Learningの初心者です。私は、49の機能に基づいてバイナリ分類を行っています。最初の7つの機能はfloat64タイプです。次の18本の特徴は、マルチクラスタイプであり、残りは、私は上記の出力は [ 1.20621145e-01 3.71627370e-02 1.82239903e-05 5.40071522e-03 1.77431957e-02 8.405691

python-3.x machine-learning scikit-learn classification data-science 2017-12-19

---

2熱

1答えて

Scikit-学ぶパイプライン - トランス

の実行順序私は、次の は、単語数、ハッシュタグの数のように（テキストに新しい機能を作成してくださいしたいテキスト分類に取り組んでいますなど）、顧客の変圧器とTextCounts クリーンテキストカスタムトランスとCleanText、それ にCountVectorizerを適用し、私のCLのための入力として、ステップ1と2の機能を組み合わせassifier 私はこのためにパイプラインを作成することが

python scikit-learn pipeline 2017-12-19

---