我想同时使用管道和TransformedTargetRegressor来处理所有的缩放(在数据和目标上)：这可以混合管道和TransformedTargetRegressor吗？如何从TransformedTargetRegressor中获得结果？ $ cat test_ttr.py x, y = make_r
浏览 33提问于2020-08-26得票数 3
当在sklearn的管道实用程序中使用缩放函数时，标量是否在训练和预测期间应用于目标变量？ ('lasso', make_pipeline(scaler, TransformedTargetRegressor(cowboy, scaler))),
浏览 7提问于2020-05-18得票数 2
回答已采纳
我希望同时使用管道和TransformedTargetRegressor来处理BaggingRegressor及其所有估值器上的所有缩放(数据和目标)。我的第一次尝试很好(不使用管道和TransformedTargetRegressor)#!现在，我想使用管道和TransformedTar
浏览 1提问于2020-09-01得票数 0
回答已采纳
1回答
然而，我的理解是，对于K折叠验证中的每一次迭代，输入数据应该只使用训练数据进行缩放(并减少输出)。这需要在Keras模型中执行缩放。为了有可以理解的结果，输出应该被转换回来(使用以前找到的缩放参数)来计算度量。Z-将我的输入数据(X & Y)标准化为规范化层(例如批规范化)。使用在1中找到的缩放参数，将输出层转换回(在计算度量之前)。我已经看过Keras中的批
浏览 0提问于2020-05-01得票数 0
回答已采纳
我试图弄清楚何时以及如何使用scikit-learn's StandardScaler转换器，以及如何将其应用于目标变量。根据语法，StandardScaler实例的D3方法既可以取特征矩阵X，也可以取目标向量y作为有监督的学习问题。
但是，当我应用它时，该方法只返回一个数组。, y_scaled = scaler.fit_transform(X,y) # X is some feature array, y</em
浏览 0提问于2021-07-05得票数 2
回答已采纳
我想用Keras来构建一个神经网络，它可以转换我的输入变量和输出变量(这样我就可以执行CV了)。我正在尝试使用TransformedTargetRegressor，但是我的均方错误对我来说没有意义。这是我的代码，它改编自Sklearn的TransformedTargetRegressor示例，使用波士顿房屋数据集，并添加了一个简单的神经网络来扩展输入变量(X)。from sklearn.model_selection import train_test_split
#
浏览 2提问于2020-04-28得票数 1
回答已采纳
1回答
我正在使用sklearn管道来构建Keras自动编码器模型，并使用网格搜索来找到最佳的超参数。如果我使用多层感知器模型进行分类，这很好；但是，在自动编码器中，我需要输出值与输入相同。换句话说，我正在使用管道中的StandardScalar实例来扩展输入值，因此这就引出了我的问题:如何使管道中的StandardScalar实例同时处理输入数据和目标数据，从而使它们最终是相同的？keras.optimi
浏览 3提问于2020-07-26得票数 7
回答已采纳
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(SVR(), model),)
实际上我想把这条管道<
浏览 0提问于2020-07-24得票数 2
我试着缩放我的数据并训练一个分类器。我当前的数据框架如下所示：---- ---- ---- --------也会缩放Y_train吗？这在机器学习的上下文中真的重要吗？在预测期间，Scaler会自动缩放X_test吗？如果不是，我如何使用先前计算过的指标来实现这一点
浏览 2提问于2022-10-31得票数 0
回答已采纳
据我所知，可以将几个实现转换方法的估值器链接起来，在sklearn.pipeline中转换X(特征集)。不过，我有一个用例，其中我也希望转换目标标签(比如将标签转换为1.K，而不是0，K-1 )，我很乐意将其作为管道中的一个组件进行转换。使用sklearn.pipeline可以做到这一点吗？
浏览 6提问于2013-09-03得票数 18
回答已采纳
Sklearn one和Statsmodel one。我更喜欢statsmodel，因为它通过summary()函数给出了系数的误差。但是，我想使用sklearn中的TransformedTargetRegressor来记录我的目标。似乎我需要在获取统计模型中拟合系数的误差和能够在统计模型中转换目标之间做出选择。在统计模型中，它是这样做的 import statsmodels.api as smols =
浏览 45提问于2021-08-03得票数 2
回答已采纳
我在使用sklearn的RegressorChain ()时遇到了问题，不幸的是，似乎没有太多关于这方面的文档/示例。在上面的代码中，x和</em
浏览 5提问于2021-07-19得票数 0
3回答
我在scikit中使用一个Pipeline，学习将一些预处理与OneClassSVM一起分组作为最终分类器。为了计算合理的度量，我需要一个后处理，它将OneClassSVM的- 1 ,1输出转换为0和1。有任何结构化的方法将这种后处理添加到Pipeline中吗？变压器不能在最终估计器之后使用。
浏览 4提问于2015-11-06得票数 10
回答已采纳
我正在对一些数据建立一个预测分析管道，并且正在进行模型选择。我的目标变量是倾斜的，所以我想对它进行日志转换，以提高线性回归估计器的性能。我遇到了相对较新的TransformedTargetRegressor -学习，我想我可以使用它作为一个管道的一部分。但是，我希望能够获得以前未见过的数据(验证集)上经过训练的模型的R^2和RMSE，而且我理解，要做到这一点，我需要在y_val, preds上使用(例如)y<
浏览 1提问于2019-04-25得票数 8
回答已采纳
因此，我理解的是，StandardScaler().fit_transform(X, y)不会更改目标特性(y)。同时，对于一些算法(如基于权重或基于距离的算法)，我们也需要对目标特征进行缩放。我的问题是，我们是否必须实现两个StandardScaler，一个用于特性，另一个用于目标特性？我想，在将训练数据集拆分为X和y之前，我们也可以使用它，但不知道如何在部署时使用</e
浏览 5提问于2022-06-29得票数 2
回答已采纳
我正在尝试对sklearn中嵌套CV的内循环执行特征选择和网格搜索。虽然我可以将管道作为估计器传递给RFECV，但是当我将RFECV作为估计器传递给GridSearchCV时，我会收到拟合错误。我已经使用rfcv.get_params().keys()和pipeline.get_params().keys()验证了我调用的参数确实存在。如果我直接将SGDRegressor()命名为‘estimator’并完全忽略管道，则不会收到此错误，但此模型需要对Y变量进行特征缩放<
浏览 27提问于2019-11-03得票数 3
回答已采纳
在处理文本数据时，我理解需要将文本标签编码成某种数字表示形式(例如，使用LabelEncoder、OneHotEncoder等)。但是，我的问题是，在使用某些特征提取类(如TfidfVectorizer、CountVectorizer等)时，是否需要显式执行此步骤。或者这些是否会为你编码引擎盖下的标签？steps=[ ('sgd', SGDClassifier())还是您需要事先对标签进行编码，
浏览 1提问于2021-06-08得票数 0
回答已采纳
1回答
如何反演管道后的回归预测？
、、、、
当我使用管道时，我试图弄清楚如何对数据进行缩放(大概是使用inverse_transform)来进行预测。下面的数据只是一个例子。我的实际数据要大得多且复杂得多，但我希望使用RobustScaler (因为我的数据有异常值)和Lasso (因为我的数据有几十个无用的特性)。一般情况下，我对管道都很陌生。这有可能有管道吗？我怎样才能用inverse_transfor
浏览 2提问于2019-05-14得票数 3
目标y多为一维形状(n_samples ).下面的代码，目标y和func的输出是一维的，运行正常-naturalLog = lambda x: np.log(x)
loglinreg= compose.TransformedTargetRegressor(regressor=linear_model.LinearRegression(),func
浏览 4提问于2021-07-17得票数 1
回答已采纳
1回答
机器学习方面的文献强烈支持支持向量机()的数据归一化。作为，同样的应该应用于训练和测试数据。
使用比手工减去平均值和除以标准差(除了在管道中使用它的能力)有什么好处？那么，如果我有多个类，使用以归一化为第一个估计量的管道来训练，会发生什么呢？它还会计算每个类别的平均和标准变化，并在分类时使用吗？更具体地说，下面的分类器是否在管道的svm阶段之前对每一类应用不同的均值和<
浏览 1提问于2013-04-22得票数 6
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
云直播
腾讯云开发者
