Questions tagged «scikit-learn»

我不知道如何sklearn.pipeline.Pipeline工作。 在文档中有一些解释。例如，它们的意思是： 带有最终估算器的变换管线。 为了使我的问题更清楚，什么是steps？它们如何运作？ 编辑 多亏了答案，我可以使我的问题更清楚： 当我调用管道并通过时，需要两个转换器和一个估计器，例如： pipln = Pipeline([("trsfm1",transformer_1), ("trsfm2",transformer_2), ("estmtr",estimator)]) 我叫这个怎么办？ pipln.fit() OR pipln.fit_transform() 我不知道估算器如何成为变压器以及如何装配变压器。

118 python  machine-learning  scikit-learn  neuraxle 

尝试从sklearn导入时出现以下错误： >>> from sklearn import svm Traceback (most recent call last): File "<pyshell#17>", line 1, in <module> from sklearn import svm File "C:\Python27\lib\site-packages\sklearn\__init__.py", line 16, in <module> from . import check_build ImportError: cannot import name check_build 我正在使用python 2.7，scipy-0.12.0b1 superpack，numpy-1.6.0 superpack，scikit-learn-0.11我有一台Windows 7机器 我已经检查了几个有关此问题的答案，但没有一个给出解决此错误的方法。

117 python  numpy  scipy  scikit-learn 

我需要适应RandomForestRegressor的sklearn.ensemble。 forest = ensemble.RandomForestRegressor(**RF_tuned_parameters) model = forest.fit(train_fold, train_y) yhat = model.predict(test_fold) 该代码始终有效，直到我对数据进行了一些预处理（train_y）。错误消息显示： DataConversionWarning：当期望1d数组时，传递了列向量y。请将y的形状更改为（n_samples，），例如使用ravel（）。 模型= forest.fit（train_fold，train_y） 以前train_y是一个Series，现在是numpy数组（它是列向量）。如果我应用train_y.ravel()，则它成为行向量，并且没有错误消息出现，通过预测步骤需要很长时间（实际上，它永远不会完成...）。 在RandomForestRegressor我发现的文档中，train_y应将其定义为“ y : array-like, shape = [n_samples] or [n_samples, n_outputs] 如何解决此问题的想法？”。

117 python  pandas  numpy  scikit-learn 

我在理解class_weightscikit-learn的Logistic回归中的参数如何运行时遇到很多麻烦。 情况 我想使用逻辑回归对非常不平衡的数据集进行二进制分类。这些类别分别标记为0（负）和1（正），观察到的数据比例约为19：1，大多数样本的结果均为负。 第一次尝试：手动准备训练数据 我将我拥有的数据分为不相交的数据集进行训练和测试（大约80/20）。然后，我手工对训练数据进行了随机采样，得到的训练数据比例与19：1不同。从2：1-> 16：1。 然后，我对这些不同的训练数据子集进行了逻辑回归训练，并根据不同的训练比例绘制了召回率（= TP /（TP + FN））。当然，召回率是根据不连续的TEST样本（观察到的比例为19：1）计算的。注意，尽管我在不同的训练数据上训练了不同的模型，但我在相同（不相交）的测试数据上计算了所有模型的召回率。 结果符合预期：以2：1的训练比例召回率约为60％，到16：1时召回率很快下降。比例为2：1-> 6：1，召回率在5％以上。 第二次尝试：网格搜索 接下来，我想测试不同的正则化参数，因此我使用了GridSearchCV并制作了一个包含C参数值和参数值的网格class_weight。要将我的n：m否定：肯定的训练样本比例转换成class_weight我的词典语言，我认为我只是指定了几个字典，如下所示： { 0:0.67, 1:0.33 } #expected 2:1 { 0:0.75, 1:0.25 } #expected 3:1 { 0:0.8, 1:0.2 } #expected 4:1 并且我还包括None和auto。 这次的结果是完全错误的。class_weight除了的每个值，我所有的召回都很小（<0.05）auto。因此，我只能假设我对如何设置class_weight字典的理解是错误的。有趣的是，class_weight对于的所有值，网格搜索中“自动” 的值约为59％C，我猜想它与1：1平衡吗？ 我的问题 您如何正确使用class_weight训练数据与实际提供的数据取得不同的平衡？具体来说，我传递给哪个字典class_weight来使用n：m比例的负数：正数训练样本？ 如果您将各种class_weight字典传递给GridSearchCV，则在交叉验证期间，它将根据字典重新平衡训练折叠数据，但使用真实给定的样本比例来计算我在测试折叠上的得分函数吗？这很关键，因为任何度量标准仅对来自观察到的比例的数据有用。 就比例而言，auto价值是class_weight什么？我阅读了文档，并假设“与数据频率成反比地平衡数据”只是意味着将其设为1：1。这样对吗？如果没有，有人可以澄清吗？

115 python  scikit-learn 

在sklearn-python工具箱中，有两个函数transform和fit_transformabout sklearn.decomposition.RandomizedPCA。两种功能的说明如下 但是它们之间有什么区别？

115 python  python-2.7  scikit-learn 

我有一个pandas数据框，我希望能够从B和C列中的值预测A列的值。这是一个玩具示例： import pandas as pd df = pd.DataFrame({"A": [10,20,30,40,50], "B": [20, 30, 10, 40, 50], "C": [32, 234, 23, 23, 42523]}) 理想情况下，我会有类似的东西，ols(A ~ B + C, data = df)但是当我查看算法库中的示例时，看起来好像scikit-learn是用行而不是列的列表将数据提供给模型。这将要求我将数据重新格式化为列表内的列表，这似乎首先使使用熊猫的目的遭到了破坏。在熊猫数据框中的数据上运行OLS回归（或更通用的任何机器学习算法）的最有效方法是什么？

111 python  pandas  scikit-learn  regression  statsmodels 

我正在研究情绪分析问题，数据看起来像这样： label instances 5 1190 4 838 3 239 1 204 2 127 所以，我的数据是不平衡的，因为1190 instances标有5。对于使用scikit的SVC进行的分类Im 。问题是我不知道如何以正确的方式平衡我的数据，以便准确计算多类案例的精度，查全率，准确性和f1得分。因此，我尝试了以下方法： 第一： wclf = SVC(kernel='linear', C= 1, class_weight={1: 10}) wclf.fit(X, y) weighted_prediction = wclf.predict(X_test) print 'Accuracy:', accuracy_score(y_test, weighted_prediction) print 'F1 score:', f1_score(y_test, weighted_prediction,average='weighted') print 'Recall:', recall_score(y_test, weighted_prediction, average='weighted') print 'Precision:', precision_score(y_test, weighted_prediction, average='weighted') print '\n …

109 python  machine-learning  nlp  artificial-intelligence  scikit-learn 

如何将数据从Scikit学习Bunch对象转换为Pandas DataFrame？ from sklearn.datasets import load_iris import pandas as pd data = load_iris() print(type(data)) data1 = pd. # Is there a Pandas method to accomplish this?

106 dataset  scikit-learn  pandas 

我无法理解网页的StandardScaler的文档中sklearn。 谁能简单地向我解释一下？

103 python  machine-learning  scikit-learn  scaling  standardized 

只是想做一个简单的线性回归，但我对此错误感到困惑： regr = LinearRegression() regr.fit(df2.iloc[1:1000, 5].values, df2.iloc[1:1000, 2].values) 产生： ValueError: Found arrays with inconsistent numbers of samples: [ 1 999] 这些选择必须具有相同的尺寸，并且它们应该是numpy数组，所以我缺少什么？

102 scikit-learn 

在shell脚本中，我正在检查是否已安装此软件包，如果未安装，请先安装它。因此，使用shell脚本： import nltk echo nltk.__version__ 但它会在以下位置停止shell脚本 import在行 在Linux终端中尝试以这种方式查看： which nltk 没有任何东西以为已安装。 还有没有其他方法可以在shell脚本中验证此软件包的安装，如果未安装，请同时安装。

102 python  linux  shell  scikit-learn  nltk 

谁能解释scikit learning中RandomForestClassifier和ExtraTreesClassifier之间的区别。我花了很多时间阅读本文： P. Geurts，D。Ernst。和L. Wehenkel，“极随机树”，Machine Learning，63（1），3-42，2006 看来这些是ET的区别： 1）在拆分时选择变量时，将从整个训练集中抽取样本，而不是从训练集中的引导样本中抽取样本。 2）每次从样本中的值范围中完全随机选择分割。 这两件事的结果是更多的“叶子”。

94 scikit-learn  random-forest 

我正在尝试train_test_split从scikit Learn软件包中使用，但是我在使用parameter时遇到了麻烦stratify。以下是代码： from sklearn import cross_validation, datasets X = iris.data[:,:2] y = iris.target cross_validation.train_test_split(X,y,stratify=y) 但是，我一直遇到以下问题： raise TypeError("Invalid parameters passed: %s" % str(options)) TypeError: Invalid parameters passed: {'stratify': array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …

94 split  scikit-learn  training-data  test-data 

我正在尝试使用train_test_split函数并编写： from sklearn.model_selection import train_test_split 这导致 ImportError: No module named model_selection 为什么？以及如何克服？

89 python  scikit-learn 

我需要将数据分为训练集（75％）和测试集（25％）。我目前使用以下代码进行操作： X, Xt, userInfo, userInfo_train = sklearn.cross_validation.train_test_split(X, userInfo) 但是，我想对训练数据集进行分层。我怎么做？我一直在研究该StratifiedKFold方法，但不允许我指定75％/ 25％的划分，而是仅对训练数据集进行分层。

88 python  scikit-learn