如何在scikit-learn中列出所有的分类/回归/聚类算法？
在scikit-learn中，可以通过sklearn.utils.all_estimators函数来列出所有的分类、回归和聚类算法。该函数返回一个包含所有可用算法的列表。
下面是一个示例代码，展示如何使用all_estimators函数列出所有的分类算法：
from sklearn.utils import all_estimators
# 获取所有的分类算法
classifiers = all_estimators(type_filter='classifier')
# 打印算法名称
for name, ClassifierClass in classifiers:
print(name)同样的方法也适用于回归和聚类算法。只需将type_filter参数设置为regressor或cluster即可。
对于每个算法，你可以进一步了解其概念、分类、优势、应用场景以及推荐的腾讯云相关产品和产品介绍链接地址。请参考腾讯云官方文档或相关资源以获取更详细的信息。
相关·内容
1回答
我正在使用Weka对一些大型数据集执行分类、聚类和一些回归。我目前正在尝试所有的分类器(决策树、SVM、朴素贝叶斯等)。
有没有办法(在Weka或其他机器学习工具包中)扫描所有可用的分类器算法，以找到产生最佳交叉验证精度或其他度量的算法？
我也想为我的其他聚类问题找到最好的聚类算法；也许可以找到最低的误差平方和？
浏览 0提问于2013-10-12得票数 1
2回答
有类似的和库，如和。但我找不到解决问题的办法。我有一组文档，我试图使用scikit-learn的对它们进行聚类。首先，我使用对文档进行矢量化。然后，我简单地对数据进行聚类并接收预测的标签。我的问题是:我如何解释集群形成的原因？我的意思是，假设有2个预测的簇(簇1和簇2)。(因为我们的输入数据是向量化文档，我们的特性是向量化的“单词”)对于创建集群1(或集群2)?非常重要。
下面你可以找到我目前正在做的事情的一个最小的例子。这不是我想要达到的目标的一个极小的例子(因为我不知道如何实现)。
import numpy as np
import pandas as pd
from sklearn.cl
浏览 5提问于2020-09-17得票数 4
1回答
我有一个庞大的混合数据集，它由数值属性和分类属性组成，在OneHotEncoding上形成一个具有很高维数的数据集。
将机器学习算法(如K-均值聚类、降维和回归)应用于数据集子集是否明智？例如，首先将K-均值聚类应用于数值列，然后将结果与分类数据集连接起来。
浏览 0提问于2018-02-28得票数 1
回答已采纳
1回答
是否有用于模糊聚类的分离度量，如Sillohete评分？我理解硬聚类算法的逻辑，但不确定模糊。是否有一个Python包，例如scikit-learn？
浏览 0提问于2021-06-16得票数 0
回答已采纳
与类似，我想检索当前在scikit learn中支持的所有分类/回归/聚类算法的列表。
浏览 33提问于2017-02-10得票数 7
回答已采纳
2回答
我正在尝试使用google分析框架来创建预测分析工具。例如，我想对我的网页访问者进行聚类，等等。一般来说，是否有任何由此框架实现的机器学习算法列表？例如:回归、聚类、分类、特征选择等。感谢您的帮助
浏览 0提问于2015-01-15得票数 0
2回答
我正在做一个项目，其中包括将图像分类为猫或狗的图像，而不使用CNN。我使用SKImage将图像转换为矩阵，并将其更改为灰度，以减少维数和复杂度。然后我将矩阵压缩到向量中，并将它们输入到SVC、Logistic回归和随机GD分类器中，但它们都非常精确，准确率低于60%。这让我相信我把图像转换成了错误的格式，这就是为什么ML标志无法适应数据的原因。那么我该把它们转换成什么呢？我应该使用特征提取吗？
浏览 0提问于2020-06-14得票数 0
3回答
在学习机器学习的过程中，我了解了在开始尝试建模之前定义问题的重要性。
我可以看到两种类型的问题分类：
监督/无监督/强化算法
分类/聚类/回归/排名
在网络上找到的示例定义：
第一类：
监督算法:训练数据集有输入和期望的输出。在培训期间，模型将调整其变量，将输入映射到相应的输出。
无监督算法:在这类算法中，没有目标结果。算法将对不同组的数据集进行聚类。
强化算法:这些算法都是关于决策的训练。因此，在这些决策的基础上，该算法将根据输出的成败进行训练。最后，通过经验算法将能够给出良好的预测。
第二类：
分类:你想要一个算法来回答二进制的是或否问题(猫或狗，好的或坏的，绵羊或山羊，你知道)，或者你想
浏览 0提问于2018-10-09得票数 1
1回答
我正在研究mahout中的K-means算法，在调试时，我注意到在创建第一个集群时，它执行以下代码：
ClusteringPolicy policy = new KMeansClusteringPolicy(convergenceDelta);
ClusterClassifier prior = new ClusterClassifier(clusters, policy);
prior.writeToSeqFiles(priorClustersPath);
我在读这些课程的描述，但我不清楚.
我想知道这些聚类分类器和策略的含义是什么？它与层次聚类、质心聚类、分布聚类等有关吗？
因为我不知道
浏览 1提问于2014-03-25得票数 0
回答已采纳
这些天我正在使用python的pandas和scikit-learn库学习统计学习，它们对我来说是非常棒的工具。
当然，我可以学习分类、回归和聚类的方法。
但是，当我想要建立一个推荐模型时，我找不到如何开始使用它们的方法。例如，如果我有一个客户的购买数据集，其中包含日期、产品名称、产品制造商、价格、订购设备等。
推荐的问题类型是什么？分类、回归或其他什么？
事实上，当有人必须解决这个问题时，我可以发现有一些非常著名的算法，比如协同过滤。
如果是这样，我可以使用scikit-learn来使用这些算法吗？或者我应该学习另一个M.L库？
问候
浏览 1提问于2015-11-10得票数 4
scikit-learn库有以下类似的分类器： Logistic回归分类器有不同的求解器，其中之一是“sgd”。 http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression 它也有一个不同的分类器'SGDClassifier‘，损失参数可以作为逻辑回归的'log’提到。 http://scikit-learn.org/stable/modules/generated/sk
浏览 42提问于2017-05-14得票数 14
我正在开发一个事务数据集，该数据集包含一些标记功能，如性别、产品类别、成员类型等。还有一些数字数据，如事务数量、产品数量等等。
对于所有的分类数据，我使用一个热编码器，对于所有的数字数据，我使用一个最小的编码器。
在这种情况下，我是否可以将所有的分类数据提供给无监督的学习算法，如神经网络和KMeans聚类？是否需要使用PCA将所有分类数据转换为数字数据，然后将其输入到中性网络？
浏览 0提问于2021-07-05得票数 0
回答已采纳
我看了一下scikit的文档--学习，但我不清楚在VotingClassifier的引擎盖下使用了什么样的分类方法？它是logistic回归，支持向量机，还是一种树方法？
我感兴趣的是如何改变遮罩下使用的分类器方法。如果Scikit-learn没有提供这样的选项，那么是否有一个可以很容易地与scikit集成的python包--学习，它将提供这样的功能？
编辑：
我指的是用于第二个级别模型的分类器方法。我完全知道，第一级分类器可以是任何类型的分类器支持的科学工具包-学习。
第二级分类器使用第一级分类器的预测作为输入。所以我的问题是-这个二级分类器使用什么方法？这是logistic回归吗？还是别的
浏览 0提问于2019-01-15得票数 3
回答已采纳
2回答
iOS核心ML与模型
、、、、
我正在尝试使用scikit创建一个DBSCAN机器学习模型。到目前为止，我已经以某种方式工作了Python模型。
在此之后，我希望将其转换为Core模型，以便能够在我的iPhone应用程序中使用它。
我读了很多信息。我发现了这样的东西：
核心ML只支持回归和分类(不支持聚类、排序、降维等)
DBSCAN是一种聚类算法，因此，根据这一点，即使我成功地创建了Python机器学习模型，我也无法将它转换为Core ML，并在我的应用程序中使用？
浏览 5提问于2018-01-04得票数 2
回答已采纳
1回答
我正在使用这个数据集：https://www.kaggle.com/datasets/sobhanmoosavi/us-accidents
到目前为止，我已经成功地清理了数据集，并减少了功能和记录的大小。
我有一些数字的特点，我已经标准化，还有一些分类的特点，我还没有触及。现在我需要使用Kmeans/Dbscan等来执行聚类，并比较它们的结果。我读到，由于有很多特性(38)，我可以对数值特征执行PCA，并使用PCA组件进行聚类。
我还读到，在分类特征上使用PCA并不是非常正确，尽管它可能会产生结果。我想要进行聚类的方法是删除目标特性(“严重性”)，并对其余的特性进行无监督的学习，看看它对预测目
浏览 0提问于2022-06-18得票数 2
2回答
假设我有一个数据集，它有一个类列：[1,1,0,0,2,2]。然后我使用kmeans聚类作为分类，并假设我获得了集群标签：[0,0,1,1,2,2]。
现在，如果我使用confusion_matrix或classification_report来评估算法(将集群标签作为类来处理)，我应该会得到很好的分数，但实际上我不会，因为类0和1之间的集群标签不匹配。
这是一个假设性的问题，我没有代码。我该怎么处理呢？我正在使用scikit-learn。
浏览 2提问于2021-03-21得票数 0
我有一个标量数字数组pm和一个索引列表idx，所以pm[idx]是pm的一个子集。如何根据欧几里得距离将scikit-learn)？分解为两簇，并获得两组相应的索引(理想情况下使用)
例如,
pm = array([0,1,2,3,4,100,105])
idx = [0,2,3,5,6]
如何获得idx1 = [0,2,3]和idx2 = [5,6]
浏览 1提问于2020-03-10得票数 0
回答已采纳
1回答
我想在一个算法中加入一种新的算法，它具有分类、聚类、关联等特征。我应该如何编写包含所有weka特性的代码，并为这个新算法添加一个选项卡。我在weka中添加了一个虚拟算法，它现在起作用了，我想添加一个结合了weka特征的算法。
谢谢
浏览 2提问于2011-03-29得票数 5
2回答
验证聚类算法的输出
、、、、
是否有一种客观的方法来验证聚类算法的输出？
我正在对包含多个属性的对象组成的dataset使用scikit-learn的亲缘传播聚类。提供给聚类算法的差分矩阵是由这些属性的加权差组成的。我正在寻找一种方法来客观地验证距离权重中的调整，这些调整反映在所产生的集群中。该数据集很大，并且具有足够的属性，因此手工检查小示例并不是验证生成的集群的合理方法。
浏览 3提问于2012-10-01得票数 5
回答已采纳
3回答
我正在开发一种算法，根据图像数据对不同类型的狗进行分类。该算法的步骤如下：
检查所有的训练图像，检测图像特征(即冲浪)，并提取描述符。收集所有图像的所有描述符。
在所收集的图像描述符中进行聚类，并在集合中查找k个“单词”或质心。
通过所有图像重申，提取冲浪描述符，并将提取的描述符与通过聚类找到的最接近的“单词”匹配。
将每幅图像表示为聚类中找到的单词的直方图。
将这些图像表示(特征向量)提供给分类器并进行训练。
现在，我遇到了一个小问题。在图像描述符集合中找到“单词”是非常重要的一步。由于聚类的随机性，每次运行程序时都会发现不同的集群。不幸的是，有时我的分类器的精度
浏览 0提问于2013-09-07得票数 3
回答已采纳
1回答
从特征集中选择集成特征
、、、
我有一个关于集合特征选择的问题。
我的数据集由1,000个样本和大约30000个特征组成，它们被分类为标签A或标签B。我想做的是挑选一些可以有效地对标签进行分类的特征。
我使用了三种方法，单变量方法(皮尔逊系数)，套索回归和SVM-RFE(递归特征消除)，所以我从它们中得到了三个特征集。我使用python scikit-learn进行特性选择。
然后我在考虑集成特征选择方法，因为特征的大小太大了。在这种情况下，如何制作具有3个特征集的集成子集？
我能想到的是集合的并集，并再次使用套索回归或SVM-RFE，或者只是集合的交集。
有人能给出一个主意吗？
浏览 2提问于2015-12-11得票数 3
我在用weka做分类实验。我尝试了weka提供的一些特性，这些特性可以应用于提取的属性上，我发现将聚类成员资格应用于这些属性将提供比其他方法更高的准确性。我不太清楚这个特性是做什么的，因为它删除了所有的属性，只保留了一些东西，比如pCluster__0、pCluster_1_0、pCluster_2_0和类属性，所以我不太确定我从它得到的结果是否有效，它会对其他新的未见实例起作用吗？来自Weka的文件
一种过滤器，它使用基于密度的聚类器生成集群成员资格值；过滤后的实例由这些值和类属性(如果在输入数据中设置)组成。如果设置了(名义)类属性，则为每个类分别运行集群程序。在集群操作期间，类属性(如
浏览 5提问于2015-10-29得票数 1
1回答
我使用多类分类器(支持向量机，通过一个-Vs-所有)来分类数据样本。假设我目前有不同的n类。
但是，在我所面临的场景中，一个新的数据样本可能属于以前从未见过的新类n+1。
所以我想你可以说我需要一种在线学习的形式，因为在开始的时候没有适合以后出现的所有数据的不同的训练集。相反，我需要支持向量机来动态地适应未来可能出现的新类。
所以我想知道我能不能.
确定一个新的数据示例并不完全适合现有的类，而是应该创建一个新的类。
将该新类集成到现有的分类器中。
我隐约想出了几个解决这个问题的方法：
如果没有一个二进制支持向量机分类器(在OVA情况下每个类都有一个)对新数据样本预测相当高的
浏览 3提问于2015-12-13得票数 11
回答已采纳
1回答
我是机器学习领域的初学者，我想学习如何使用梯度增强树(GBT)进行多类分类。我读过一些关于GBT的文章，但是关于回归问题，我找不到关于GBT多类分类的正确解释。我也检查GBT在科学知识-学习图书馆机器学习。GBT的实现是利用回归树作为弱学习者进行多类分类的GradientBoostingClassifier。
GB以提前阶段的方式建立了一个加性模型；它允许对任意可微损失函数进行优化。在每个阶段，n_classes_回归树都适用于二项或多项偏差损失函数的负梯度。二进制分类是一种特殊情况，其中只有一个回归树是归纳出来的。
来源：
问题是，为什么我们用回归树来学习GBT而不是分类树呢？如果有
浏览 0提问于2018-04-25得票数 0
回答已采纳
2回答
机器学习中不同方面的困惑
、、、
在阅读了关于ML和算法的不同文章之后，科学家在描述ML的不同方面时倾向于使用不同的词。
所以现在我自己有点困惑，我希望如果我错了，你可以纠正我。
1)因此，在我看来，监督学习和无监督学习是机器学习算法的不同类别。每一类包含不同的算法，如神经网络和贝叶斯？
2)回归、分类和聚类是模型的类型。
3)模型是经过训练的算法的结果。
我希望我没有完全错，谢谢！)
浏览 0提问于2018-04-14得票数 1
3回答
根据文档，可以为SGDClassifier指定不同的损失函数。据我所知，log loss是一个cross-entropy损失函数，理论上可以处理软标签，即给出一些概率0,1的标签。
问题是:是否可以将SGDClassifier与log loss函数一起用于软标签的分类问题？如果不是--这个任务(软标签上的线性分类)如何才能用scikit来解决--学习？
更新：
target被标记的方式以及问题的本质，硬标签并没有给出好的结果。但它仍然是一个分类问题(而不是回归)，我不想保留对prediction的概率解释，所以回归也不会开箱即用。交叉熵损失函数可以自然地处理target中的软标签.似乎所有的损
浏览 14提问于2017-03-15得票数 11
回答已采纳
2回答
我想选择一个无监督的算法来学习从数据中预测$n$输出，例如。图像中的4个坐标(像素)。我应该选择哪种算法？我认为将图像中的点的集合划分为输出(1)或不属于(0)是一种2类分类，可能是logistic回归，给出一个点作为输出点的概率。但我很困惑，因为分类算法是有监督的算法的一部分，我们有标签的数据。我是否应该使用聚类来找到两组可以输出的点？也许是异常检测来找出四个奇点？
浏览 0提问于2018-05-25得票数 2
2回答
我是spark的新手，不得不写一个流媒体应用程序，它必须执行一些任务，比如快速傅立叶变换和一些机器学习的东西，比如使用svms进行分类/回归等。我想在pyspark中做到这一点，因为python有各种各样的模块，比如numpy，scikit-learn等等。我的问题是，在流媒体应用程序中可以做这样的事情吗？据我所知，spark使用dstream。这些流是否可以转换为numpy数组之类的内容，或者可以作为python函数的输入的类似内容？
Thx
浏览 0提问于2017-09-25得票数 0
我希望使用kmeans算法对一些数据进行聚类，但我希望使用自定义的距离函数。有什么方法可以改变scikit-learn使用的距离函数吗？
我也会满足于一个不同的框架/模块，它可以交换距离函数，并可以并行计算kmeans (我想加快计算速度，这是scikit-learn的一个很好的特性)。
有什么建议吗？
浏览 0提问于2015-06-30得票数 7
2回答
有没有一种简单的方法来检查模型实例是否解决了scikit-learn库中的分类或回归任务？
浏览 36提问于2019-10-01得票数 7
回答已采纳
1回答
我正在训练一个神经网络，它有大约10个分类输入。在对这些分类输入进行一次性编码后，我最终将大约500个输入输入到网络中。
我希望能够确定我的每个分类输入的重要性。Scikit-learn有，但是其中任何一个都可以应用于分类数据输入吗？所有的例子都使用数值输入。
我可以将这些方法应用于one-hot编码输入，但如何在应用于二进制化的输入后提取含义？如何判断分类输入的特征重要性？
浏览 15提问于2017-02-18得票数 6
1回答
聚类标签的无偏预测
、、、、
我有兴趣评估通过非监督聚类发现的聚类标签的可预测性。假设我有一个由病人组成的数据集，我使用一种无监督的聚类技术来根据他们的基因表达谱对他们进行分组。我的方法发现了4个簇。现在，我想从表达式数据中了解这个集群成员资格是否是可预测的。以全数据无监督聚类标签作为输出变量，以交叉验证的方式训练有监督分类器。因此，我使用80%的数据对分类器进行训练，并对其余20%的分类器进行准确性评估。
这种方法是否有偏差，因为输出集群标签是从完整的数据中学习的？如果是的话，我怎样才能不偏不倚呢？如果我以一种交叉验证的方式进行聚类，我想我需要手动将每个不同折叠之间的集群关联起来。因为我特别感兴趣的是四个集群中的一个相对
浏览 0提问于2015-04-15得票数 1
回答已采纳
1回答
我正在使用dlib获得面部标志。我有1000多张脸的数据集。我想对这1000幅图像和一些未知图像做一个比较。为了减少数据库搜索时间，我想根据dlib的68个面部地标特性将这1000幅图像聚成10个不同的集群。目前，我是基于不同人脸图像的下巴到鼻子距离的聚类。
问题:同一人的每一幅图像都会产生不同的面部标志，影响从下巴到鼻尖的距离。请找到csv的截图
第一栏-人脸图像名称(同一人脸约有25个样本)
第2栏、第3栏-第4栏的K手段聚集标记和质心
第四面下巴到鼻尖欧氏距离
第5-68号面部长地标像下巴、眼睛.
问题：
这是一种基于面部地标的图像聚类的正确方法吗？如果
浏览 0提问于2018-02-03得票数 1
1回答
WEKA如何评估星系团？
、、、
嗨，在链接中找到了这个解释：
使用培训集(默认)。生成聚类后的Weka
将训练实例分类为按
集群表示并计算实例的百分比。
在每个星系团中坠落。
在所提供的测试集或百分比split中可以评估
如果聚类表示是概率的(例如，对于EM)，则对单独的测试数据进行聚类。
类到集群评估。在这种模式下，Weka首先会忽略
类属性并生成集群。然后在
它根据每个集群中类属性的大多数值将类分配给集群的测试阶段。在此基础上计算分类误差，并给出相应的混淆矩阵。一个例子
对于k-均值，如下所示。
但是，我不清楚WEKA是如何对集群中的一个新实例进行分类的，以及它如何度量是否应该将该实例分类到该集群中。
浏览 0提问于2018-11-29得票数 1
我想知道是否有一种学术方法来验证KMeans集群是否有效，并且已经使用二进制分类方法正确地进行了聚类？我的想法是对每个聚类使用logistic回归来检验一个logistic回归模型是否能够准确地预测这些聚类。不知怎么地，我能用精确性和基尼分数来证明聚类是正确的，但是我找不到关于这个主题的论文。任何想法都将不胜感激。
非常感谢
浏览 8提问于2022-08-11得票数 0
回答已采纳
3回答
随着在卡格勒竞赛中不断获胜的团体(如xgboost学习者的组合)的提高，使用它已经成为机器学习中的一种传统。然而，有些人认为聚类是一种集合形式，我们首先将聚类应用于一个数据集，然后对每个聚类应用一种学习算法(进行分类或回归)。
我想了解聚类和集合有什么不同？
编辑
我理解，如果我们简单地考虑“同质集成”，即我们在每个集群上训练相同的模型，那么聚类可能类似于集成的想法。但是我正在寻找聚类的潜在局限性，在这种情况下，使用异构集群(对所有数据进行不同的学习)是解决这个问题的“唯一”方法。
浏览 0提问于2016-04-05得票数 4
1回答
我有一个有4个类的数据集，我试图使用一个集合模型，其中每个基分类器都训练一部分数据。为了沿着分类器分布数据，我使用KMeans算法。问题是，在某些情况下，聚类只有一个类，而与这些数据相匹配的分类器在预测方面表现不佳。此外，每个集群只有一个类，因此无法使用某些结构(例如Logistic回归、SVMs等)。
我想知道是否有任何集群技术可以保持公平的数据分布，考虑到每个集群中有一个以上的类。我知道聚类是无监督的学习，没有考虑到每个样本的类，但我没有其他的想法，而不是使用其他技术而不是KMeans。
谢谢
浏览 0提问于2021-06-19得票数 3
1回答
python中的共同聚类算法
、、、、
在python中有没有可用的共同集群算法的实现？scikit-learn包有k-means和层次聚类，但似乎缺少这类聚类。
浏览 0提问于2013-07-21得票数 3
我们使用的是RevoR的rmr和rhadoop package。我们是否可以在hadoop中对整个数据集执行线性回归，而不需要在map reduce中实现线性回归算法
或
rmr和rhadoop是否仅用于汇总数据，然后在本地对汇总的数据运行回归？
浏览 0提问于2012-12-05得票数 2
因此，我使用KProtoypes聚类算法对包含分类列和数值列的混合变量进行聚类。我收到了一个错误：
“str”和“int”的实例之间between >不支持‘
而且所有的特性都有一致的数据类型。我与数据截图一起运行的代码片段是共享的。我只想对这类数据进行聚类，任何关于集群的建议都会被接受。
此外，我的数据如下：
有关这些数据的信息如下：
这是我为k_prototype算法编写的代码：
kp = KPrototypes(n_clusters=3，init=‘随机’，verbose=True)
kp.fit(X_dummy，categorical=7,8,9,10,11
浏览 1提问于2019-04-13得票数 0
有几种算法可以构建决策树，例如CART (分类和回归树)、ID3 (迭代二叉树3)等
scikit-learn默认使用哪种决策树算法？
当我查看一些决策树python脚本时，它使用fit和predict函数神奇地生成结果。
scikit-learn会根据数据聪明地选择最好的决策树算法吗？
浏览 25提问于2019-08-21得票数 2
回答已采纳
3回答
我使用的数据集有足够的观测值和10个变量，
这些变量中有一半是数值变量。
另一半变量是2-3级的分类变量(人口学)
一个ID变量
最后一个具有销售价值的变量，0表示无销售和金额待售。
利用这些信息，我想了解我的客户中哪些部分需要市场。我使用R作为代码，但这与此无关。:)
我对使用哪种统计技术感到困惑。因为我想找出我想要获得的客户类型，并建立我的活动，我最初的想法是使用k-均值聚类，即与无监督的学习。
然而，考虑到我知道谁购买了，他们从销售价值数字中购买了多少，我认为包括这些信息是值得的，并决定选择预测建模。在这里，回归只会告诉变量的重要性，但我对节点感兴趣(例如，我想要支持我的营销活动的规则，
浏览 0提问于2020-04-19得票数 3
3回答
我开始学习机器学习的概念。
我想知道下面的一些用例场景
分类
回归
聚类
异常检测
维数约简
我甚至想知道上面提到的清单属于哪一类？(它是受监督的还是不受监督的或加强的)
浏览 10提问于2015-12-10得票数 2
回答已采纳
3回答
我知道我可以使用以下代码获取K-means集群中特定集群的内容，并使用scikit-learn。
order_centroids = model.cluster_centers_.argsort()[:, ::-1]
terms = vectorizer.get_feature_names()
for i in range(true_k):
print "Cluster %d:" % i,
for ind in order_centroids[i, :10]:
print ' %s'
浏览 4提问于2015-09-26得票数 3
回答已采纳
3回答
免责声明:我完全没有机器学习/数据科学的背景，也不熟悉数据科学的一般术语，所以请原谅我。
我试图使用Python开发一个机器学习应用程序来提取发票信息(发票号、供应商信息、总额、日期、税收等)。现在，我正在使用Microsoft从给定的发票映像中提取文本，并将响应组织到自顶向下的逐行文本文档中，希望它能够提高我最终机器学习模型的准确性。我目前的情况是严格使用字符串解析，这种方法对发票号、数据和总量非常有效。
然而，当涉及到供应商信息(姓名、地址、城市、省份等)时，字符串解析几乎不起作用，因为我的脚本依赖于地址的检测(因为与发票上的其他信息相比，地址的格式非常不同)。由于发票上显示的数字值的数量
浏览 0提问于2018-06-15得票数 6
2回答
从scikit-learn的中，默认的惩罚是"l2"，C(正则化强度的逆)是"1“。如果保持这个设置惩罚=‘L2’和C=1.0，这是否意味着训练算法是一个非正则的logistic回归？相反，当C不是1.0，那么它是一个正则的logistic回归分类器？
浏览 2提问于2017-04-15得票数 1
回答已采纳
3回答
K-均值聚类是一种常用的聚类方法.假设K-均值聚类有N个点，即N个点应划分为K个群，其中每个组中的点具有相似性。
在K-means clustering处理之前，我们应该给初始中心赋值，在这里，我从所有的点中随机选择K点，程序每次运行都得到不同的输出。为什么这会导致不同的结果，我如何知道哪一个是最好的分类？
浏览 5提问于2014-01-07得票数 4
回答已采纳
我有一个问题，我所有的功能栏都是分类的。现在，我如何才能找到用户细分。我是不是应该只做智能装箱，而使用kmodes算法？有没有其他的方法和建议？
浏览 2提问于2019-10-30得票数 0
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
