什么是Python sklearn预测函数的工作原理
Python sklearn预测函数的工作原理是指在使用scikit-learn库中的预测函数时，该函数是如何进行预测的。
scikit-learn是一个流行的Python机器学习库，提供了丰富的机器学习算法和工具。其中的预测函数用于根据已有的训练数据，对新的输入数据进行预测。
工作原理如下：
- 数据准备：首先，需要准备训练数据和测试数据。训练数据包括输入特征和对应的目标变量（标签），用于训练模型。测试数据只包含输入特征，用于进行预测。
- 特征处理：对于输入特征，通常需要进行一些预处理操作，例如特征缩放、特征选择、特征转换等。这些操作可以提高模型的性能和准确度。
- 模型选择和训练：根据具体的预测任务，选择适合的机器学习模型。scikit-learn提供了多种常见的机器学习算法，如线性回归、决策树、支持向量机等。通过调用相应的模型类，可以进行模型的训练。
- 模型拟合：在训练阶段，模型会根据训练数据进行参数拟合，以找到最佳的模型表示。这个过程通常使用最小化损失函数的方法来完成。
- 预测：在模型训练完成后，可以使用预测函数对新的输入数据进行预测。预测函数会根据已训练好的模型和输入特征，计算出对应的预测结果。
Python sklearn预测函数的优势在于：
- 简单易用：scikit-learn提供了简洁的API接口，使得预测函数的调用非常方便。
- 多种模型选择：scikit-learn支持多种机器学习算法，可以根据具体任务选择最合适的模型。
- 高性能：scikit-learn底层使用了NumPy和SciPy等高性能科学计算库，能够高效地处理大规模数据集。
Python sklearn预测函数的应用场景包括但不限于：
- 机器学习任务：如分类、回归、聚类等。
- 数据挖掘：如异常检测、关联规则挖掘等。
- 自然语言处理：如文本分类、情感分析等。
- 图像处理：如图像识别、目标检测等。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tai）
- 腾讯云大数据分析平台（https://cloud.tencent.com/product/emr）
- 腾讯云数据挖掘平台（https://cloud.tencent.com/product/dm）
- 腾讯云图像识别（https://cloud.tencent.com/product/ocr）
- 腾讯云自然语言处理（https://cloud.tencent.com/product/nlp）
请注意，以上链接仅供参考，具体产品选择应根据实际需求和腾讯云官方文档为准。
相关·内容
2回答
科学知识中决策树的AUC计算
、、、、
使用scikit-在Windows上使用Python2.7学习，我计算AUC的代码有什么问题？谢谢。
from sklearn.datasets import load_iris
from sklearn.cross_validation import cross_val_score
from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier(random_state=0)
iris = load_iris()
#print cross_val_score(clf, iris.data, iris.t
浏览 5提问于2016-08-24得票数 0
有可能在CalibratedClassifierCV和sklearn.calibration中使用Keras模型对象吗？或者，在sklearn/其他python包中是否有另一种方法可以实现performa同位素回归，而不必将其传递给模型对象。
我尝试过为Keras使用sklearn包装器，但它没有工作。。
浏览 4提问于2017-11-03得票数 12
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
我尝试在一个具有AUC分数的随机森林分类器上进行网格搜索。
这是我的代码：
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import RepeatedStratifiedKFold
from sklearn.metrics import make_scorer, roc_auc_score
estimator = RandomForestClassifier()
scoring
浏览 0提问于2021-05-15得票数 1
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
我尝试用交叉验证方法和SVM分类器进行分类。在我的数据文件中，最后一列包含我的类(它们是0、1、2、3、4、5)，其余的(第一列除外)是我想用来预测这些类的数值数据。
from sklearn import svm
from sklearn import metrics
import numpy as np
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score
filename = "Features.csv"
datas
浏览 1提问于2020-08-16得票数 1
回答已采纳
运行此代码后 matthews_corrcoef(test_labels, y_test_pred)*100 我遇到了这个错误 /usr/local/lib/python3.7/dist-packages/sklearn/metrics/_classification.py:900: RuntimeWarning: invalid value encountered in double_scalars
mcc = cov_ytyp / np.sqrt(cov_ytyt * cov_ypyp)
0.0 为了获得精确分数 from sklearn.metrics import precis
浏览 490提问于2021-09-11得票数 0
回答已采纳
2回答
我运行了一个python程序，它调用sklearn.metrics的方法来计算精度和F1分数。
/xxx/py2-scikit-learn/0.15.2-comp6/lib/python2.6/site-packages/sklearn/metr\
ics/metrics.py:1771: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples.
'precision', 'predicted', average, wa
浏览 4提问于2016-01-13得票数 48
2回答
我使用sklearn.tree.DecisionTreeRegressor预测了一个具有两个独立变量的回归问题，即特征"X"，"Y“和预测的可靠变量"Z”。当我绘制树时，叶子似乎与分类树没有太大不同。结果不是每个叶上的函数，而是每个叶上的单个值，就像在分类中一样。 有人能解释一下，为什么这被称为回归，为什么它不同于分类树吗？ 因为我似乎误解了sklearn类，有没有python的树包，它会进行“真正的”回归，并且在每个叶子上都有一个输出函数？对于X、Y和Z，这可能是每片叶子上的某种曲面。
浏览 46提问于2021-01-08得票数 0
1回答
我试图计算快速文本训练模型的ROC和AUC，但是我总是得到错误的ValueError: Found input variables with inconsistent numbers of samples: [40, 200]。
我的测试代码如下：
def split_df(data):
count_vect = CountVectorizer()
print('Loading data ...')
labels, texts = ([], [])
for line in data:
label, text = line.s
浏览 7提问于2021-07-30得票数 0
1回答
我正在从事一个数据挖掘项目，我正在使用python中的sklearn包对我的数据进行分类。
为了训练我的数据并评估预测值的质量，我使用了sklearn.cross_validation.cross_val_predict函数。
但是，当我试图在测试数据上运行我的模型时，它会请求基类，这些基类是不可用的。
我见过(可能的)使用sklearn.grid_search.GridSearchCV函数的工作，但我不喜欢对固定的参数集使用这样的方法。
在阅读cross_val_score文档时，我看到了sklearn.cross_validation函数。由于我对世界的分类问题相当陌生，我不太确定这是否会
浏览 1提问于2015-06-27得票数 1
回答已采纳
2回答
我正在使用来自sklearn_extra.cluster的sklearn_extra.cluster。我将它与预先计算的距离矩阵(度量=“预算法”)一起使用，并用来工作。然而，我们在计算距离矩阵的方法上发现了一个缺陷，因此必须自己实现它。从那时起，KMedoids算法就不再工作了。这是堆栈跟踪：
C:\Users\...\AppData\Local\Programs\Python\Python38-32\lib\site-packages\sklearn_extra\cluster\_k_medoids.py:231: UserWarning: Cluster 1 is empty! self
浏览 2提问于2020-06-05得票数 2
我不知道该怎么做才能让这个模型工作。它说要重塑，但我已经这样做了，但是我得到了一个不一致的样本到数据的错误。我不明白这种事情是怎么一直发生的。我运行过其他没有问题的模型，但我搞不懂为什么现在会发生这种情况。 import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.linear_model import LassoLarsCV
from sklearn.model_selection import train_test_split
from sklearn.pipeline impo
浏览 11提问于2020-09-16得票数 0
回答已采纳
我正在尝试使用学习Python中的ML技术。
我要做的是执行三重交叉验证，并使用来自Transported的特性预测目标变量( test.csv )。我唯一能做的就是在我的训练集上教一个模型，因为它包含了我的特性和我的反应。我想做的是：
from sklearn.model_selection import train_test_split, cross_val_score, cross_val_predict, KFold
from sklearn.neighbors import KNeighborsClassifier
X, y = train_ready.drop('Tran
浏览 1提问于2022-04-24得票数 0
回答已采纳
使用sklearn SVC()，我将得到以下错误
import sklearn
from sklearn.datasets import load_iris
iris = load_iris()
X, y = iris.data, iris.target
from sklearn.svm import SVC
# create the model
mySVC = SVC()
# fit the model to data
mySVC.fit(X,y)
# test the model on (new) data
result = mySVC.predict([3, 5, 4, 2
浏览 3提问于2018-09-16得票数 0
3回答
我正在用KNN建立两类分类模型
我试图用以下方法计算auc_score
from sklearn.metrics import auc
auc(y_test, y_pred)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-183-980dc3c4e3d7> in <module>
--
浏览 4提问于2019-03-04得票数 6
回答已采纳
我的代码是：
import matplotlib.pyplot as plt
from sklearn import datasets, svm
digits = datasets.load_digits()
clf = svm.SVC(gamma=0.001, C=100)
print(len(digits.data))
X,y = digits.data[:-1] , digits.target[:-1]
clf.fit(X,y)
print('Prediction:',clf.predict(digits.data[-1]))
plt.imshow(dig
浏览 0提问于2018-07-13得票数 0
我想使用cross_val_score来验证我的OneClassSVM培训集。这样做会导致下面的错误消息。
因为OneClassSVM是一个无监督的算法，并且没有一个"y“向量传递给cross_val_score，该算法会失败吗？
clf = svm.OneClassSVM(nu=_nu，kernel=_kernel，gamma=_gamma，random_state=_random_state，cache_size=_cache_size)分数= cross_val_score(estimator=clf，X=X_scaled，评分=‘准确性’，cv=5)
PS:我意识到&#
浏览 3提问于2017-04-28得票数 2
回答已采纳
这是一个新手的问题，所以请容忍我。鉴于这种随机森林模型：
from sklearn.ensemble import RandomForestClassifier
X = [ [2,1,1,1], [2,0,2,1], [3,1,1,1] ]
y = [ 0, 1, 2 ]
regr = RandomForestClassifier(n_estimators=200, max_depth=5)
regr.fit(X, y)
X_test = [ [3, 1, 1, 1] ]
y_result = regr.predict_proba(X_test)
print('y_res
浏览 0提问于2020-11-08得票数 1
回答已采纳
我想在scikit-learn中创建一个自定义的评估计分器，我可以用它来获得不同回归器的评估分数。 下面是自定义求值函数： def eval_func(y_true, y_pred):
return float(max(0,100*r2_score(y_true , y_pred))) 自定义记分器的定义 cust_scorer = make_scorer(eval_func, greater_is_better=True) 我在下面的函数中使用上面的代码 def regression_model(model, data, predictors,outcome):
#Fit the
浏览 9提问于2021-06-21得票数 0
回答已采纳
我试图实现网格搜索为KNN回归选择最佳参数使用Scikit学习。尤其是我想做的事：
parameters = [{'weights': ['uniform', 'distance'], 'n_neighbors': [5, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]}]
clf = GridSearchCV(neighbors.KNeighborsRegressor(), parameters)
clf.fit(features, rewards)
不幸的是，我得到了ValueError:数组
浏览 2提问于2014-08-11得票数 3
回答已采纳
我试图使用sklearn，但遇到了错误，但我不知道哪里出了问题。这是我的代码：
import pandas as pdd
from sklearn.tree import DecisionTreeClassifier
df = pd.read_csv('vgsales.csv')
X = df.drop(columns=['Name','Platform','Publisher','Genre'])#input
y = df['Rank']#output
model = DecisionTreeCl
浏览 1提问于2020-12-21得票数 0
所有代码都在python中。我有一个名为“语料库”的python列表，其中包含了2000年的评论(+ve和-ve都有)。邮政编码的主要/重要部分是：
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer(max_features=2000, max_df=0.6, min_df=3, stop_words=stopwords.words("english"))
X = vectorizer.fit_transform(corpus)
from sklea
浏览 0提问于2018-04-29得票数 0
回答已采纳
当我在Python语言中使用sklearn进行岭回归时，coef_输出给我一个二维数组。根据，它是(n_targets，n_features)。
我明白特征是我的系数。然而，我不确定目标是什么。这是什么？
浏览 2提问于2016-02-14得票数 1
回答已采纳
2回答
我的目标是根据六列csv数据预测数组中的5到6个数字。下面的脚本应该只从5的数组中预测一个数字，我以为我可以从那里一直工作到整个5或6，但我可能错了。
Mre：
import csv
import numpy as np
import pandas as pd
from math import sqrt
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
from sklearn.tree import DecisionTreeRegressor
from sklearn
浏览 3提问于2021-02-23得票数 0
回答已采纳
这是我一直在做的代码。
import pandas as pd
import numpy as np
from sklearn.datasets import load_boston
housing_data = load_boston()
from sklearn.model_selection import train_test_split
train_set, test_set = train_test_split(housing_data, test_size = 0.2, random_state = 42)
我得到了这个错误。
/anaconda3/lib/python3.6/s
浏览 0提问于2018-07-02得票数 1
回答已采纳
2回答
我在试着在两个文件之间加分。两者有相同的数据，但没有相同的标签。来自列车数据的标签是正确的，而来自测试数据的标签不一定是.我想知道它的准确性，回忆度和f分。
import pandas
import numpy as np
import pandas as pd
from sklearn import metrics
from sklearn import cross_validation
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import precision_recall_fscore
浏览 0提问于2018-09-10得票数 1
回答已采纳
我成功地使用了python中的sklearn库，并且非常享受它。
我能够用以下代码创建并安装DecisionTreeClassifierType模型：
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)
然后，我可以使用该模型来预测新输入的类别，如下所示：
clf.predict([[20, 50, 10]])
上面的线将返回0或1，这取决于模型预测数据的类别，我想知道是否有什么方法可以得到模型预测的可信度/概率？
因此，如果它预测输入的分类为1，概率/置信度将是小数点( 0.8 )或百分之八十( 80% )
浏览 2提问于2017-04-13得票数 3
回答已采纳
2回答
我尝试训练和测试几个scikit-learn模型，并尝试打印出准确性。这些模型中只有一些是有效的，而其他模型由于
ValueError: Classification metrics can't handle a mix of binary and continuous targets.
这个错误是什么意思？如何修改下面的代码以成功评估失败的模型？
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import model_selection
from sklear
浏览 4提问于2019-01-31得票数 9
回答已采纳
我使用相同的数据，但不同的python库来计算决定系数R^2。
这种行为背后的原因是什么？
# Using stats lineregress
slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
print r_value**2
0.956590054918
# Using sklearn
from sklearn.metrics import r2_score
print r2_score(x, y)
0.603933484937
浏览 10提问于2016-03-22得票数 5
回答已采纳
2回答
我开始从互联网机器学习。关于这个任务，我有一个问题：(我正在使用，ubuntu，Python3.10，PyCharm)：
% matplotlib inline不是为我工作的，为什么，当我评论上面的内容时，我得到了结果：
[52.23767295 47.5274183 ]
/usr/local/lib/python3.10/dist-packages/sklearn/base.py:450: UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names
浏览 6提问于2022-10-11得票数 -1
2回答
我正在创建一个网站，在其后端使用PHP。现在，我正在向我的网站添加机器学习功能，这些功能可以通过HTTP方法GET和POST访问。但是由于sklearn是用Python编写的，我如何使我的PHP代码能够调用基于python的sklearn代码？或者，有没有一种方法可以使用某个库来调用Python代码？
浏览 1提问于2017-10-26得票数 3
X_train和y_train的大小分别为2 numpy.ndarrays (32561，10 8)和(32561)。
每次我调用fit为我的GaussianProcessClassifier时，我都会收到内存错误。
>>> import pandas as pd
>>> import numpy as np
>>> from sklearn.gaussian_process import GaussianProcessClassifier
>>> from sklearn.gaussian_process.kernels
浏览 0提问于2018-03-28得票数 3
回答已采纳
我有一个数据集，其中只包含两个有用的列来训练我的模型，第一个是新闻标题，第二个是新闻类别。
因此，我获得了以下使用python成功运行的培训命令：
import re
import numpy as np
import pandas as pd
# the Naive Bayes model
from sklearn.naive_bayes import MultinomialNB
# function to split the data for cross-validation
from sklearn.model_selection import train_test_split
# fu
浏览 5提问于2017-11-22得票数 3
回答已采纳
1回答
我一直在使用库DeepStack来尝试StackEnsemble。第一个模型是VGG16，第二个模型是VGG19，最后一个模型是具有6个全连通层的CNN。
# Load Keras Models
model1 = tf.keras.models.load_model('VGG16.h5')
model2 = tf.keras.models.load_model('vgg19.h5')
model3 = tf.keras.models.load_model('basic_cnn.h5')
from deepstack.base import
浏览 28提问于2020-06-03得票数 0
我用R实现了简单的神经网络，但这是我第一次用Keras实现，所以我希望能给出一些建议。
我在Keras中开发了一个神经网络函数来预测汽车销售(数据集是可用的)。CarSales是因变量。
据我所知，Keras用于开发用于分类目的的神经网络，而不是回归。在我到目前为止看到的所有例子中，输出在0到1之间是有界的。
下面是我开发的代码，您将看到输出使用'sigmoid‘函数：
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense
from t
浏览 0提问于2018-02-25得票数 5
回答已采纳
我正在使用sklearn包构建逻辑回归模型，然后对其进行评估。具体地说，我想使用交叉验证来实现这一点，但是不能找出使用cross_val_score函数来实现的正确方法。
根据我看到的和一些，我需要传递函数模型、特性、结果和评分方法。然而，AUC不需要预测，它需要概率，所以它可以尝试不同的阈值，并基于此计算ROC曲线。那么，这里的正确方法是什么？这个函数将'roc_auc'作为一种可能的评分方法，所以我假设它与它兼容，只是不确定正确的使用方法。下面是示例代码片段。
from sklearn.linear_model import LogisticRegression
from
浏览 3提问于2017-05-18得票数 10
回答已采纳
2回答
我使用带有RFECV的不平衡数据集(54:38:7%)进行如下特征选择：
# making a multi logloss metric
from sklearn.metrics import log_loss, make_scorer
log_loss_rfe = make_scorer(score_func=log_loss, greater_is_better=False)
# initiating Light GBM classifier
lgb_rfe = LGBMClassifier(objective='multiclass', learning_rate=0.
浏览 6提问于2021-02-27得票数 2
1回答
TPOT机器学习
、、、、
我在Google上训练了一个回归TPOT算法，其中TPOT过程的输出是一些锅炉板Python代码，如下所示。
import numpy as np
import pandas as pd
from sklearn.ensemble import ExtraTreesRegressor
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline, make_union
from tpot.builtins import StackingEstimator
from
浏览 0提问于2021-05-24得票数 1
回答已采纳
1回答
我有一个大约10,000条推文的样本，我想将其分类为“相关”和“不相关”两个类别。我正在使用Python的scikit-为这个模型学习。我手动编码1000条推文为“相关”或“不相关”。然后，以80%的人工编码数据作为训练数据，其余作为测试数据，运行支持向量机模型。我获得了很好的结果(预测精度~0.90)，但为了避免过度拟合，我决定对所有1000个手工编码的tweet进行交叉验证。
下面是我的代码，在我的样本中已经获得tf矩阵的tweet之后。"target“是一个数组，列出了tweet是否被标记为”相关“或”不相关“。
from sklearn.linear_model import
浏览 15提问于2017-01-23得票数 2
回答已采纳
1回答
我有一个经过训练的科学学习模型，它使用多输出决策树(作为RandomForestRegressor)。由于多输出行为是内置的，因此没有为随机森林回归模型显式地进行自定义配置来启用多输出行为。基本上，只要你适应多输出训练数据到模型，模型将切换到多输出模式的幕后。
此外，RandomForestRegressor是CoreML转换脚本提供的受支持的转换器。但是，在转换过程中，我得到了这个错误w/堆栈跟踪：
ValueError:预期只有一个输出在科学工具-学习树。
Traceback (most recent call last):
File "/Users/user0/Des
浏览 2提问于2017-07-24得票数 3
回答已采纳
1回答
我使用sklearn训练了一个模型，并使用sklearn2pmml将其导出为pmml格式。有没有一种方法可以将pmml文件转换回可以导入并在python中运行的东西？
我之所以要这样做，是因为我注意到pmml模型与sklearn模型的行为方式略有不同。具体来说，pmml文件为变量设置硬上、下界(在训练集中使用变量的最大值和最小值)，而sklearn则不设置。当pmml模型遇到超出这些界限的数据时，我会遇到问题。这只是pmml模型和sklearn模型之间的一个不同之处，我希望能够将pmml文件重新导入python以运行它，并查看是否还有其他的。
浏览 3提问于2017-03-10得票数 1
1回答
我很难得到python用于线性预测的公式。我用以下方法进行了线性回归：
from sklearn.linear_model import LinearRegression
lm = LinearRegression()
lm.fit(X_tr_pre_close,Y_tr_pre_close)
然后我做了预测，用：
predictions=lm.predict(X_te_pre_close)
我用这个模型得到了很好的结果，但现在的问题是，我不知道lm.predict()公式是如何工作的，这个模型应该是普通的最小二乘，在这里我在中读到，预测公式假设为x'b (系数向量*解释变量的向量)，
浏览 2提问于2022-03-14得票数 -1
我正在尝试复制这个，我想知道是否有一种方法可以用Python包来实现这一点。我不知道如何使用LinearExplainer()来获得RSquared的边际贡献。
到目前为止，我已经尝试过：
import sklearn
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
import shap
shap.initjs()
X = pd.DataFrame(columns=['x1','x2','x3'], data
浏览 2提问于2020-01-28得票数 1
回答已采纳
在python sklearn中，SGD分类器和SGD回归器有什么不同？另外，我们可以设置批处理大小以提高性能吗？
浏览 3提问于2019-02-15得票数 1
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
1回答
这是我的代码：
import pandas as pa
from sklearn.linear_model import Perceptron
from sklearn.metrics import accuracy_score
def get_accuracy(X_train, y_train, y_test):
perceptron = Perceptron(random_state=241)
perceptron.fit(X_train, y_train)
result = accuracy_score(y_train, y_test)
return r
浏览 0提问于2016-02-06得票数 2
回答已采纳
采用监督学习的方法，我们有特征(输入)和目标(输出)。如果我们的多维目标的总和为1行(例如0.3，0.4，0.3)，为什么sklearn的RandomForestRegressor似乎将所有输出/预测标准化为1，而训练数据之和为1？
似乎在sklearn源代码的某个地方，如果训练数据之和为1，它正在对输出进行正常化，但我没有找到它。我已经到了，它似乎被随机森林使用，但没有看到任何正常化在那里进行。我创建了一个来展示它是如何工作的。当目标的逐行和不等于1时，回归者的输出不等于1，但当目标的逐行和之和等于1时，它似乎是正常化的。下面是gist中的演示代码：
import numpy as np
f
浏览 1提问于2020-05-05得票数 1
回答已采纳
1回答
我使用高斯分类器训练了一个模型，我的模型有63%的准确率。现在我需要使用这个模型来预测另一个文件中的数据。我该怎么做呢？ 这是我做的代码。 import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
dataset = pd.read_csv('fno.tsv', delimiter = '\t', quoting = 3)
import re
from sklearn.externals import joblib
import phrasemachine as pm
impo
浏览 21提问于2020-01-12得票数 1
我正在努力想出如何在sklearn中实现TimeSeriesSplit。
下面链接处的建议答案产生了相同的ValueError。
这里是我代码中的相关部分：
from sklearn.model_selection import cross_val_predict
from sklearn import svm
features = df[df.columns[0:6]]
target = df['target']
clf = svm.SVC(random_state=0)
pred = cross_val_predict(clf, features, target,
浏览 8提问于2017-04-07得票数 9
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
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
