在scikit learn中，GaussianProcessRegressor model在其参数中包含一个内核和用于其超参数的优化器。我知道如果优化器设置为None，或者如果内核的超参数设置为'fixed'，那么它们就不能更改。scikit learn中GPR的默认内核是ConstantKernel
浏览 62提问于2021-05-09得票数 0
这个问题我得不到令人满意的答案。据我所知，TensorFlow是一个用于数值计算的库，通常用于深度学习应用程序，而Scikit-learn是一个通用机器学习框架。 但是，它们之间的确切区别是什么?TensorFlow的目的和功能是什么？我可以一起使用它们吗?这有什么意义吗？
浏览 67提问于2020-04-15得票数 40
回答已采纳
3回答
问题上下文希望，一个好的解决方案会像这样(样本改编自我正在使用的线性拟合代码)：y = my_y_data.reshapelinear_model.Li
浏览 0提问于2015-09-19得票数 13
回答已采纳
4回答
与线性回归等其他算法不同，KNN似乎不会在训练阶段执行任何计算。就像在线性回归的情况下，它在训练phase.But中找到系数，那么KNN呢？
浏览 62提问于2019-02-04得票数 9
回答已采纳
1回答
当使用scikit的分类器-学习多类问题时，是否需要用一种热编码对标签进行编码？例如，我有3个类，在将这些数据输入不同的分类器以进行培训时，简单地将它们标记为0、1和2。据我所知，它似乎运转正常。有些算法，如随机森林，本机处理分类值。对于logistic回归、多层感知器、高斯朴素Bayes和随机森林等方法，如果我没有弄错的话，这些方法似乎是本机处理分类值。这个评估
浏览 1提问于2018-07-25得票数 3
回答已采纳
2回答
我正在试验一些文档分类任务，到目前为止，支持向量机在TF*以色列国防军特征向量上工作得很好。我想加入一些不基于词频的新特性(例如文档长度)，看看这些新特性是否有助于分类性能。我有以下问题：
我能否简单地将新的特征与基于词频的旧特征连接起来，并在这个异构特征空间上训练支持向量机？如果不是，那么多核学习是否就是通过在每个子特征空间上训练一个内核并使用线性插值将它们组合起来的方法呢？(我们仍然没有<e
浏览 4提问于2013-02-04得票数 4
回答已采纳
我试图使用高斯过程来拟合光滑函数到一些数据点。我对python使用了scikit-learn库，在我的例子中，我的输入是二维空间坐标，输出是一些转换后的版本，也是二维空间坐标。我使用的代码如下：from sklearn.gaussian_process.ke
浏览 0提问于2018-02-06得票数 0
回答已采纳
1回答
我知道高斯过程模型最适合于回归而不是分类。然而，我仍然希望将高斯过程应用于分类任务，但我不确定什么是最好的方法来推翻模型产生的预测。我回顾了高斯过程分类示例，该示例可在scikit-learn网站上查阅：
但是我觉得这个例子很让人困惑(在问题的末尾，我列出了我对这个例子感到困惑的地方)。为了得到更好的理解，我
浏览 1提问于2014-01-09得票数 2
回答已采纳
我试图在Google中使用sklearn.feature_selection，但是，Datalab的默认安装版本为0.16.1。我试着安装0.17版本pip install scikit-learn==0.17['/usr/local/lib/python2.7/dist-packa
浏览 11提问于2016-04-18得票数 0
回答已采纳
10回答
在shell脚本中，我正在检查是否安装了这个包，如果没有安装，那么就安装它。因此，使用shell脚本：echo nltk.__version__在linux终端中，试图以这种方式查看：这并没有让人以为它已经安装好了。是否有其他方法在shell脚本中验证此包安装，如果没有
浏览 6提问于2015-02-13得票数 129
回答已采纳
1回答
随机森林回归模型的改进
、、、、
我的工作是车辆占用率预测，我对此非常陌生，我使用随机森林回归来预测入住率。随机森林jupyter笔记本请帮我做以下几件事
随机森林回归是解决这一问
浏览 0提问于2021-07-27得票数 2
3回答
我有一个36K处理的数据集，每一个都有7个特性。每个集合代表一个任务，我知道完成每个任务需要多长时间。我想要建立一个模型，它能够预测未来任务的持续时间。我只知道了决策树(DT)，并试图将它应用于我的问题。结果的准确度分数为0.03。我认为DT是不合适的，因为时间是连续的，DT是用来分类的。
哪种算法适合持续时间预测？我的环境: Python和sklearn，如果这很重要的话。
浏览 0提问于2016-12-01得票数 3
5回答
我正在尝试使用scikit-learn对自然语言数据进行一些机器学习。
高级问题描述是，我有一个文档集合，每个文档上都可以有多个标签，我想根据文档的内容预测这些标签中的哪些标签将被贴到新文档上。本质上，这是一个使用BoW向量的稀疏表示的有监督的、多标签的、多类的问题。在sklearn中有没有一种可以处理这种数据的降维技术？在scikit<
浏览 6提问于2013-11-01得票数 12
我有许多数据集，每个数据集都要拟合一个高斯过程回归模型。fitrgp选择的默认超参数似乎主观地产生了不太理想的模型。启用超参数优化往往会带来有意义的改进，但偶尔会产生极端拟合的值，这是一个需要计算的过程，它禁止对每个模型进行优化。由于fitrgp只是包装bayesopt来进行其超参数优化，那么是否可以直接调用bayesopt来最
浏览 1提问于2017-11-14得票数 0
回答已采纳
1回答
该代码使用fitrgp执行高斯过程回归。在Python中，我使用的是scikit-learn及其GaussianProcessRegressor。在这两种情况下，GP学习input和output之间的映射。我的MATLAB和Python代码的核心如下：prediction_train=[];
[normalized_inp
浏览 10提问于2019-10-29得票数 0
回答已采纳
我试着用SVM分类器训练一个有大约10万个样本的数据，但我发现它非常慢，甚至两个小时后也没有反应。当数据集有大约1k个样本时，我可以立即得到结果。
浏览 3提问于2016-10-17得票数 42
回答已采纳
我正在尝试使用scikit-learn库进行特性选择。我的数据很简单。行是示例，列是特性。虽然最初的类标签是X和Y，但对于线性回归，我将它们改为数字，X改为0，Y改为1。我使用了库sklearn.linear_model.LinearRegression()，它执行得很好。现在，我使用coef_值进行特性选择。在这种情况下，我有两个问题。使用特性的coef_值正确
浏览 3提问于2015-12-10得票数 2
回答已采纳
现在我从我之前的帖子中了解到，当fit_intercept参数设置为false时，scikit学习中的OLS线性回归会产生与闭合形式的相同的结果。我不太明白fit_intercept是如何工作的。对于任何线性问题，如果y是预测值。在整个模块
浏览 1提问于2017-10-01得票数 6
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
腾讯会议
云直播活动推荐
腾讯云开发者
