我已经构建了一个，它将标准的支持向量回归组件与一些创建特性的自定义转换器结合起来。然后将这个管道放入一个对象中，该对象经过训练，然后进行腌制()。未被腌制的对象用于进行预测。当我从单元测试中调用未被腌制的回归对象时，它工作得很好。但是，当我尝试使用PyInstaller二进制进行预测时，我得到了一个长的，其结尾
浏览 3提问于2017-10-31得票数 7
回答已采纳
我已经为一个回归问题构建了一个带有预处理器和回归器的sklearn管道。，但我的目标Y_test是一个正向量。为了增加我的分数，我想要应用一个非常简单的自定义函数，该函数对每个负面预测返回0。我想直接将它添加到我的管道中。示例： Model.predict(X_test) = [5 , 10 , 1 , -2 , 8 , -
浏览 18提问于2020-12-31得票数 0
回答已采纳
1回答
我有一个sklearn管道，它由一个自定义转换器组成，后面是XGBClassifier。我想在转换器中添加的最后一步是另一个自定义转换器，它转换XGBClassifier的结果。最后一个自定义转换器将预测的概率排序为等级(5-百分位数)。', custom_trsf1),
('clf&#x
浏览 1提问于2020-11-26得票数 1
1回答
我正在做多目标回归，所以我想同时预测几个数字。这些数字高度相关，所以我认为预测他们的PC是一种更明智的方法。使用sklearn的管道非常适合将我想使用的MinMaxScaler、PCA和回归器以菊花链形式链接在一起；然后允许我调用该管道进行预测。
然而，管道是否仅将PCA应用于输入？是否可以使用相同的策略，但也可以让它对我想要<
浏览 0提问于2015-10-14得票数 2
1回答
我有一个imblearn (非sklearn)管道，由以下步骤组成：我有一个表格数据集，我试图解释我的预测。Lime要求我将数据转换为上次转换之前的状态(因为管道中的转换
浏览 3提问于2020-10-27得票数 0
回答已采纳
我正在尝试在sklearn管道中缩放X特征数据和Y输出数据。我的代码如下所示，使用网格搜索通过交叉验证计算最佳LV数量。
浏览 1提问于2021-06-03得票数 0
我想用名字来预测性别。不仅仅是名字，还有名字的特征，比如提取“姓氏”作为从名字中派生出来的特性。1)我想将预测的类(0和1)添加回原始数据集或我可以看到的名称和预测的性别类的数据集中。目前，我的y_test_predictions只对应于稀疏矩阵X_test。2)如何保留经过训练的分类器，并使用它来预测具有一组名称的不同数据集的
浏览 4提问于2015-10-28得票数 1
回答已采纳
1回答
我试图使用管道来完成一个简单的回归任务，以分配用于回归的多项式的度(度数= 3)。所以我定义：然后试衣：最后，预测位：sklearn的BayesianRidge()对于其
浏览 3提问于2017-10-24得票数 4
回答已采纳
我想将目标变量转换器添加到我的sklearn管道中。通常对于PCA或任何类型的回归-分类器等操作，sklearn支持CV的参数网格，如： param_grid = [{ "rdf__max_depth": max_depth,
浏览 10提问于2020-09-08得票数 1
我使用来检查Scikitlearn中各种算法的效率。现在，我知道在分类中有以下步骤
现在，我想跳过步骤3(我已经这样做了)，从用户那里获取输入，并根据经过训练的变量测试它。
浏览 7提问于2015-11-14得票数 1
回答已采纳
具体而言，问题是构建一个具有数据准备阶段的管道(删除NA值、执行功能缩放等)。然后是一个预测阶段，它涉及到对转换的数据集进行训练并返回其预测值的预测器。这里，我们使用了一个支持向量回归模块(sklearn.svm.svr)。prepare_select_and_predict_pipeline = Pipeline([
浏览 3提问于2021-04-04得票数 0
回答已采纳
我正在编写一个Python scikit-learn管道，它需要自定义的转换器/估计器(而不是sklearn中已经定义的常规转换器)。如何添加此支持并使用skl_to_pmml (python nyoka lib)将管道转换为PMML文档？
浏览 26提问于2019-05-23得票数 0
1回答
我创建了一个名为Vectorizer()的自定义转换器类，该类继承自sklearn's BaseEstimator和TransformerMixin类。)，以避免每次我们认为不同类型或设置的向量器能够更好地工作时都必须手动重写管道。我打算以以下方式使用自定义向量器，包括管道和超参数调优步骤： ('column_transformer', Col
浏览 0提问于2022-01-02得票数 0
回答已采纳
1回答
我正在尝试实现一个用于多类预测的堆叠集成模型。Bayes网:为每个14维训练示例输出一个12维概率<em
浏览 1提问于2020-05-22得票数 0
我找不到如何使用Spark管道来分类一组新的实例(带有未知的标签)。我发现的所有示例都是基于具有已知标签的测试集(只用于评估分类的性能)。我有以下管道：
StringIndexer indexer = new StringIndexer().setInputCol("category").setOutputCol("categoryIndex但是，当我试图在一个没有黄金标签(标签正是我们想要得到<
浏览 3提问于2017-02-09得票数 1
回答已采纳
2回答
环境：from sklearn.pipeline import Pipelinefrom sklearn.ensemble import RandomForestClassifierX_train = pd.DataFrame({'A：，我想在我的管道中以这种格式将OneHotEncoder包括
浏览 3提问于2020-03-22得票数 4
回答已采纳
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：lm = LinearRegression()然后我做了预测，用：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.
浏览 2提问于2022-03-14得票数 -1
我使用CalibratedClassifierCV是为了能够在LinearSVC上使用predict_proba。现在，我想在我的管道中添加一个自定义分类器，它将概率低于10%的所有预测都分配给“Other”类别。其余的预测类将在没有任何更改的情况下通过。from sklearn.calibration import CalibratedClassifierCV
from cust
浏览 9提问于2019-07-29得票数 0
回答已采纳
2回答
我有一个数据集，其中我使用文本列来预测某些数值列。因此，我的管道是首先向量化我的文本列，然后使用岭回归。但是，在构建这个管道之后，如何提取向量化器特征名上的系数呢？import pandas as pd
from sklearn.pipeline impor
浏览 0提问于2019-07-03得票数 1
我有一些原始的功能，进入一个科学的学习模型。我已经有了许多预处理步骤(比如PolynomialFeatures)，这些步骤创建了额外的特性，作为我的管道的一部分。然而，我知道我的原始特性的某些线性组合本身也可能很重要。我的问题是，这些手工构建的特性(如feature1和feature2之和)是否可以作为scikit-learn管道设置的一部分创建呢？显然，我可以在
浏览 0提问于2022-12-20得票数 0
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
