Sklearn -发现样本数量不一致的输入变量：[16512,4128]
Sklearn是一个Python机器学习库，提供了丰富的机器学习算法和工具，用于数据预处理、特征工程、模型训练和评估等任务。在使用Sklearn进行机器学习任务时，有时会遇到样本数量不一致的输入变量的情况。
样本数量不一致的输入变量是指在训练数据中，不同特征的样本数量不同。这种情况可能会对机器学习模型的训练和性能产生影响，因为模型可能会倾向于更多样本的特征。
为了解决这个问题，Sklearn提供了一些方法和技术：
- 数据重采样：可以通过过采样或欠采样来平衡样本数量。过采样是指增加少样本的数量，欠采样是指减少多样本的数量。Sklearn中的
imbalanced-learn库提供了一些用于数据重采样的方法，如SMOTE和RandomUnderSampler。 - 类别权重调整：可以通过为不同类别设置不同的权重来平衡样本数量。Sklearn中的一些分类算法，如逻辑回归和支持向量机，提供了
class_weight参数，可以用于调整类别权重。 - 数据合成：可以通过生成合成样本来平衡样本数量。Sklearn中的
imbalanced-learn库提供了一些用于数据合成的方法，如SMOTE和ADASYN。 - 特征选择：可以通过选择具有较少样本的特征进行训练，以平衡样本数量。Sklearn中的
SelectKBest和SelectPercentile等特征选择方法可以用于选择最具有代表性的特征。 - 数据增强：可以通过对少样本进行扩增来增加其数量，以平衡样本数量。Sklearn中的
imbalanced-learn库提供了一些用于数据增强的方法，如SMOTE和RandomOverSampler。
对于Sklearn中的样本数量不一致的输入变量问题，可以使用上述方法之一或组合来处理。具体选择哪种方法取决于数据集的特点和任务的要求。
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/tencent-ai）
- 腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/baas）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/ddos）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云元宇宙（https://cloud.tencent.com/product/tencent-virtual-reality）
相关·内容
我有一个经过训练的sklearn随机森林多标签分类器，在训练集中，始终存在一个类，这意味着您希望分类器总是返回这个类的1。这种情况发生了，但是分类器返回1而不是0，1。
[array([[0.05, 0.95]]), array([[0.97, 0.03]]),
array([[0.95, 0.05]]), array([[1., 0.]]), array([[1., 0.]]),
array([[1., 0.]]), array([[0.65, 0.35]]), array([[1.]])]
为什么会出现这种情况，以及如何防止这种情况发生呢?在本例中，这是一个单一输入的结果，但在我的例子
浏览 4提问于2022-05-18得票数 0
回答已采纳
1回答
我写了这个的例子。但是我找不到精确度？
import numpy as np
x = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1],[2, 1], [3, 2]])
y = np.array([1, 1, 1, 2, 2, 2])
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(x, y)
pred = clf.predict([[-0.8, -1]])
from sklearn.metrics import accuracy_score
accurac
浏览 7提问于2020-05-22得票数 0
1回答
K-方法中缺少的簇
、、、
我试着用k均值算法来分析一个数据集，在python中使用scikit-learn。
有没有人遇到过比所要求的更少的集群的问题？
用输入
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=4)
我的样本只在群集0，1和2中，第3组从未出现。
当最后有一个空的集群时，算法难道没有意识到它可以作为新的集群(-center)接受任何样本吗？
浏览 3提问于2022-07-09得票数 0
3回答
我使用和python中sklearn的来计算集群，但是在>10.000个样本上，>1000个集群计算silhouette_score的速度非常慢。
是否有更快的方法来确定最优的聚类数？
或者我应该改变聚类算法？如果是，对于>300.000个样本和大量集群的数据集，哪一种算法是最好的(也是最快的)？
浏览 1提问于2016-12-27得票数 4
回答已采纳
1回答
我有一个dataset，我已经将我的张量重新配置为一个3072大小的线数组。我已经重新配置了有效的数据集和培训数据集。您可以在下面找到有关“我的列车”、“有效数据集”及其形状的所有信息：
训练数据集大小: 3991有效数据集大小: 908个类数:10个样本点云形状: torch.Size(三零七二)
我有一个测试函数，定义如下：
import torch
from sklearn.metrics import accuracy_score
def test(model, test_loader):
# ensure model is in eval mode
mode
浏览 0提问于2022-07-20得票数 2
2回答
高维混合数据类型的近邻
、、、、
我希望能够使用最近的邻居来尝试在具有连续、分类和文本特性的数据集中找到与样本子类(认为已处理的和未处理的)最相似的样本。
玩具数据集：
import numpy as np
import pandas as pd
from sklearn.preprocessing import OneHotEncoder, QuantileTransformer
from sklearn.neighbors import NearestNeighbors
from sklearn.compose import ColumnTransformer
from sklearn.feature_extraction
浏览 0提问于2018-11-29得票数 3
目前，我正在为我的不平衡数据在Sklearn中实现RandomForestClassifier。我不太清楚RF是如何在Sklearn中准确地工作的。我所关注的问题如下：
根据文档，似乎没有办法为每个树学习者设置子样本大小(即小于原始数据大小)。但事实上，在随机森林中，我们需要得到样本的子集和每棵树的特征子集。我不确定我们能不能通过Sklearn实现这一点？如果是，怎么做？
“RandomForestClassifier”的描述就是对它的描写。
“随机林是一种元估计器，它在数据集的各个子样本上拟合多个决策树分类器，并使用平均来提高预测精度和控制过度拟合。子样本大小总是与原始输入样本大
浏览 4提问于2017-07-06得票数 7
当我运行这段代码时：
feature_names = ["date","shop_id", "item_id", "item_price", "item_cnt_day"]
feature_names
X_train = train[feature_names]
print(X_train.shape)
X_train.head()
X_sales = sales[feature_names]
print(X_sales.shape)
X_sales.head()
from sklearn.model_sel
浏览 0提问于2021-02-09得票数 0
1回答
我有一个大约150个样本的数据集，其中每个样本有11个输入和3个输出。我试图建立一个完整的回归模型来接受11个要训练的输入来预测3个输出，问题是样本如此之少，训练一个完整的模型几乎是不可能的。出于这个原因，我正在尝试使用pythons sklearn中的回归，例如线性回归。根据我所能发现的，大多数回归模型要么支持一个输入来预测一个输出(在回归完成之后)，要么支持多个输入来预测一个输出。 问:是否有任何类型的回归支持许多输入来预测许多输出。或者任何可能更适合我的需求的回归类型。 谢谢你的帮助！
浏览 12提问于2021-09-21得票数 0
1回答
我不知道该怎么办。我想打印出分类器的分数，但它不工作。有人能帮我吗？我真的不知道是什么问题，也许是块数组(numpy.arrange)的问题。 import pandas as pd
from matplotlib import colors
from matplotlib import pyplot
import numpy as np
from sklearn import neighbors
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
gesundeMensc
浏览 13提问于2020-07-06得票数 0
我是数据科学和随机森林的新手，当然，在将随机森林应用于(1239，29)数据集之后，我一直试图找到调整的R平方和RMSE。
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn.metrics import mean_squared_error, mean_squared_log_error, mean_absolute_error
from sklearn.model_selection import train_test_split
X = df.loc[:, df.colu
浏览 6提问于2020-11-04得票数 2
回答已采纳
我正在用Python制作一个聊天机器人。代码：
import nltk
import numpy as np
import random
import string
f=open('/home/hostbooks/ML/stewy/speech/chatbot.txt','r',errors = 'ignore')
raw=f.read()
raw=raw.lower()# converts to lowercase
sent_tokens = nltk.sent_tokenize(raw)# converts to list of sent
浏览 6提问于2020-02-18得票数 3
回答已采纳
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
train_matrix = vectorizer.fit_transform(train_data['review'])
test_matrix = vectorizer.fit_transform(test_data['review'])
训练LogisticRegressor
from sklearn.linear_model import LogisticRegress
浏览 71提问于2018-06-04得票数 0
我使用随机森林分类器算法来预测我的样本属于不同的类别(5个不同的类别)。然而，在做出预测之后，我不能准确地评估我的模型，因为有不同的类。我在另一篇文章中看到有必要使用np.argmax(y_pred，axis=1)，但我并不真正理解它的用处和如何使用该元素，甚至在我的例子中也不是必需的。你能帮帮我吗？
import numpy as np
import pandas as pd
from sklearn import metrics
from keras.utils import to_categorical
import sklearn as sk
from sklearn.ensemble
浏览 3提问于2021-01-09得票数 0
1回答
我试图使用交叉验证来测试我的分类器使用Sklearn。
我有三个班，总共有50个样本。
第1类有:5个样本
第2类有:15个样本
第三类有:30个样品。
如下运行的预期，这大概是5倍交叉验证。
result = cross_validation.cross_val_score(classifier, X, y, cv=5)
我试着用cv=50折叠来做独占，所以我做了以下几点，
result = cross_validation.cross_val_score(classifier, X, y, cv=50)
然而，令人惊讶的是，它给出了以下错误：
/Library/Pyth
浏览 4提问于2015-04-06得票数 2
回答已采纳
1回答
我正在学习Python机器学习方面的一些基础知识(scikit - learning )，当我试图实现K-最近邻算法时，会出现一个错误: ValueError:查找输入变量，样本数不一致: 426,143个。我不知道该怎么处理。
这是我的密码：
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
cancer = load_breast_canc
浏览 1提问于2017-07-30得票数 0
1回答
最近，为了机器学习目的，我开始学习Python，我遇到了一个问题。我正在使用Pandas从.csv文件中输入数据，并将行值转换为数字数组。我需要将这些数组传递到sklearn函数中。我的密码在这里：
# Imports
import pandas as pd
import numpy as np
import sklearn
import os
import seaborn as seabornInstance
import matplotlib.pyplot as plt
from sklearn import preprocessing
# Dataset input
dirname
浏览 1提问于2019-12-02得票数 0
回答已采纳
1回答
所以我有一个模型，我正在训练一个多类(30-40个类)不平衡的数据集(最小的4000个样本，最大的1400万个)。数据由字符串组成，我提取单数和二进制数作为特征，加上字符串长度和熵。
我首先删除任何0方差特征(~1M -> 2k专长)，然后使用sklearn.decomposition.TruncatedSVD将其进一步减少到500专长。然后，按照原始数据中每个类的分布情况，将数据拆分为10k个样本批(最少500个样本/类)。拆分继续以这种方式进行，直到将来自最大类的所有示例添加到拆分中为止。
然后，我运行imblearn.under_sampling.RandomUnderSample
浏览 0提问于2017-11-13得票数 0
正在尝试对20_newsgroups数据集运行二进制支持向量机。似乎得到了一个ValueError:发现样本数量不一致的输入变量: 783,1177。有没有人能告诉我为什么会发生这种情况？ from sklearn.datasets import fetch_20newsgroups
from nltk.corpus import names
from nltk.stem import WordNetLemmatizer
# from sklearn.feature_extraction.text import CountVectorizer
import numpy as np
impor
浏览 13提问于2019-09-16得票数 0
回答已采纳
1回答
我有一条火花放电的ML管道，看起来像这样，
scaler = StandardScaler(inputCol="features", outputCol="scaled_features")
pca = PCA(inputCol=scaler.getOutputCol(), outputCol="pca_output")
kmeans = clustering.KMeans(seed=2014)
pipeline = Pipeline(stages=[scaler, pca, kmeans])
在对模型进行训练之后，我想得到每个样本的轮廓系数，
浏览 3提问于2022-07-07得票数 5
我不是一个真正的编码器，但这是我有到目前为止。我试图应用线性回归来预测样本数据中的一些东西。我可能在这里做了一些错误，因为我得到了高于1的rmse。我已经检查了连续变量之间的相关性，结果是很小的，达到了0.2的最大值。也检查了离群点使用国际四分位范围方法，但没有。
请有人告诉我，我该如何降低rmse？
import pandas as pd
from sklearn import linear_model
from sklearn.metrics import mean_squared_error
from math import sqrt
from sklearn.cross_validat
浏览 9提问于2017-06-22得票数 1
回答已采纳
我正在尝试编码一个两类分类的DT问题，我以前使用过SAS EM。但是试图在Sklearn中做到这一点。目标变量是一个两类分类变量。但是有几个连续的自变量。在SAS中，我可以为每个拆分指定“分支的最大数量”。因此，当它被设置为4时，一些叶子将分裂为2，而另一些叶子将分裂为4 (特别是对于连续变量)。我在sklearn中找不到等效的参数。查看了"max_leaf-nodes“。但这控制了整个树的“叶子”节点的总数。我相信你们中的一些人可能也遇到过同样的情况，并且已经找到了解决方案。请帮助/分享。我会非常感激的。
浏览 4提问于2018-05-06得票数 1
最近，我正在进行一些项目，获得了30阳性样本和30 阴性样本。它们每个都具有128个特性(128个维度)。
我用"LeaveOneOut“和"sklearn.linear_model.LogisticRegression”对这些样本进行了分类，取得了满意的结果(AUC 0.87)。我把结果告诉了我的朋友，他问，我怎样才能用60个样本来计算参数，特征向量的维数比样本数大。
现在我有了同样的问题。我检查了工具箱的源代码，仍然不知道这个问题。有人能帮我解决这个问题吗？谢谢!
浏览 0提问于2017-11-06得票数 1
我正在尝试使用scikit-learn中的PCA进行降维。我的数据集大约有300个样本和4096个特征。我想将维度减少到400和40。但是，当我调用该算法时，得到的数据最多只有“样本数”的特征。
from sklearn.decomposition import PCA
pca = PCA(n_components = 400)
trainData = pca.fit_transform(trainData)
testData = pca.transform(testData)
其中，trainData的初始形状是300x4096，结果数据形状是300x300。有没有办法对这种数据(大量的特
浏览 0提问于2014-03-21得票数 1
1回答
我正在尝试用13个属性对大约40万个数据进行分类。我使用过python sklearn的SVM包，但它不起作用，然后我了解到SVM不适合大数据集分类。然后我使用了(sklearn) ANN，使用了下面的MLPClassifier：
MLPClassifier(solver='adam', alpha=1e-5, random_state=1,activation='relu', max_iter=500)
并使用200K样本对系统进行了训练，并在其余样本上对模型进行了测试。这种分类效果很好。然而，我担心的是该系统训练过度或过度适应。你能指导我隐藏层的数量和节点大
浏览 2提问于2021-01-20得票数 0
我正在使用python sklearn包中实现的RandomForestClassifier来构建一个二进制分类模型。以下是交叉验证的结果：
Fold 1 : Train: 164 Test: 40
Train Accuracy: 0.914634146341
Test Accuracy: 0.55
Fold 2 : Train: 163 Test: 41
Train Accuracy: 0.871165644172
Test Accuracy: 0.707317073171
Fold 3 : Train: 163 Test: 41
Train Accuracy: 0.8895705
浏览 0提问于2013-12-09得票数 49
1回答
我正在尝试使用逻辑回归来拟合数据，但我得到了一个值错误。 我正在使用来自sklearn的虹膜数据集： # The data is in iris["data"] and target in iris["target"]
# For this section, we will work with a single feature 'petal width'
# which is the last (fourth) feature in iris["data"]
# We will assign class y=1 if the t
浏览 13提问于2021-04-03得票数 0
我在理解GridSearchCV中cv参数的效果时遇到了问题。我仍然使用Python 2.7和sklearn 0.18
当使用GridSearchCV调整一些参数，例如岭回归时，我预计随着训练中包含的数据越来越多，分数会随着折叠次数的增加而上升。然而，我观察到了相反的行为。有人能向我解释一下，这是否应该是意料之中的呢？
考虑下面的例子
from __future__ import division, print_function
from sklearn import linear_model
from sklearn import preprocessing
from sklearn imp
浏览 32提问于2017-01-18得票数 0
回答已采纳
sklearn函数中计算的平均精度分数遵循下图所示的公式。
AP = Σ(Rn - Rn-1)Pn *The index value of the sumation is n. Please refer to the attached image for a clear version of the formula
我正在努力完全理解这个函数背后的数学原理。我特别好奇公式中的第n个阈值是如何计算的。阈值的数量是否等于样本的数量？
浏览 3提问于2021-07-20得票数 0
我使用的是IMDB数据集，它包含列文本中的电影评论和列标签中的评级0或1。我正在使用Tfidf使用sklearn对文本进行预处理。
上述语句的代码
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer=TfidfVectorizer()
X = vectorizer.fit_transform(df_train['text'])
Y = vectorizer.transform(df_test['text'])
当我试图使用支持向量机的数据时，使用线性核，然后用
classi
浏览 0提问于2021-02-23得票数 0
回答已采纳
我正在做一个样本大小为30的项目。我有7个特性预测一个连续变量，我的目标是优化r-值。如果我将train_test_split()的随机种子更改100次，就会得到.6和.9之间的相关系数，并且偶尔会出现负r值。
我该怎么解释呢？对于如此小的数据集和对我的训练数据的随机洗牌，这种变化是否正常？还是发生了什么事？我该如何决定使用哪种种子？
浏览 0提问于2018-04-27得票数 0
1回答
用击数预测
、、、、
如果我有一个有1083个样本的训练数据集和一个有79871个样本的测试数据集，那么如何使样本相等呢？我一直在使用SMOTE，但现在我发现了错误。
ValueError: Unknown label type: 'continuous-multioutput'
我的代码：
from imblearn.over_sampling import SMOTE
from sklearn import utils
over_sampler = SMOTE()
print(utils.multiclass.type_of_target(x))
print(utils.multiclas
浏览 8提问于2022-01-29得票数 0
2回答
我用滑雪板进行随机森林分类。现在我想比较不同的描述符集(一个有125个特性，一个有154个特性)。因此，我创建了两个不同的随机森林，但它们似乎相互覆盖，从而导致错误：“模型的特性数量必须与输入匹配。模型n_features为125，输入n_features为154”
rf_std = RandomForestClassifier(n_estimators = 150, max_depth = 200, max_features = 'sqrt')
rf_nostd = RandomForestClassifier(n_estimators = 150, max_depth =
浏览 5提问于2020-03-12得票数 2
回答已采纳
1回答
我有一个4千万行(约8Mb)的数据集，而每一行都是浮点类型的。我想使用sklearn核密度估计来拟合这个数据集和高斯核。但在我的个人电脑(4GB RAM，256 4GB)上它太慢了。那么，sklearn能处理数百万个或更多样本的数据集吗？
浏览 7提问于2014-11-10得票数 1
回答已采纳
我正在尝试可视化分类变量的相关矩阵，这些变量首先是热编码的。在那之后，代码仍然抛给我一个错误，我不确定为什么。 X= pandas.DataFrame(A, B, C, D, E)
le = preprocessing.LabelEncoder()
X= X.apply(le.fit_transform)
plt.figure(figsize=(15,10))
sns.heatmap(X.corr(),vmin=-1,cmap='YlGnBu',annot=True);
plt.title("Correlation Matrix", fontsize=24)
浏览 26提问于2019-06-22得票数 1
我在Biztalk中运行应用程序时遇到问题。它正在处理大量数据，并对SAP进行大量调用(每个输入文件有数千个调用)。问题是，到SQL server的流量比到SAP的流量大10倍。
我怀疑有一些消息被Biztalk持久化到数据库中，这些消息在那个阶段是可以避免或不需要的。
为了提供一些数字，对3个文件的处理为我提供了大约5-6个持久化点/sec和1MB/s到SQL server的流量。
有没有办法查看数据库中持久化的内容和每个消息/对象的大小？
浏览 0提问于2014-06-11得票数 0
1回答
我正在尝试使用train_test_split和决策树回归器进行训练建模：
import sklearn
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import cross_val_score
# TODO: Make a copy of the DataFrame, using the 'drop' function to drop the given feat
浏览 0提问于2016-10-03得票数 1
回答已采纳
我一直在使用python来实验sklearn的 (以及GaussianMixture，它展示了同样的问题)。
我用从一个发行版中提取的许多项对模型进行拟合，然后用一个保持的数据集(一些来自发行版，一些来自于分布之外)测试模型。
类似于：
X_train = ... # 70x321 matrix
X_in = ... # 20x321 matrix of held out data points from X
X_out = ... # 20x321 matrix of data points drawn from a different distribution
model = Bayesi
浏览 10提问于2016-11-24得票数 2
使用sklearn，我希望在样本数据集中有3个拆分(即n_splits =3)，并且训练/测试比率为70:30。我可以将测试集分成3倍，但不能定义测试大小(类似于train_test_split方法).Is有没有在StratifiedKFold中定义测试样本大小的方法？
from sklearn.model_selection import StratifiedKFold as SKF
skf = SKF(n_splits=3)
skf.get_n_splits(X, y)
for train_index, test_index in skf.split(X, y):
# Loops over
浏览 15提问于2017-08-04得票数 9
回答已采纳
2回答
我正在阅读有关决策树和打包分类器的内容，并尝试展示在打包分类器中使用的第一个决策树。我对输出感到困惑。 from sklearn.model_selection import train_test_split
from sklearn.datasets import make_moons
from sklearn.ensemble import BaggingClassifier
from sklearn import tree
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_gr
浏览 53提问于2019-05-13得票数 3
回答已采纳
1回答
我一直试图为sklearn Pipeline体系结构设计一个转换器，它实际上过滤和删除了符合特定条件的记录--如果您愿意的话，这是一个WHERE子句。我发现上写着“任何删除或添加样本的转换器，就现有版本的scikit学习而言，都不符合API"，但它是7年前的版本。事情是否发生了变化，如果没有，什么是Pipeline哲学的好陈述，解释了为什么删除记录不符合它的概念？(我绝对理解为什么添加样本是没有意义的，我认为我理解为什么删除可能没有意义，但我想阅读一下这方面的官方原因，以便更好地掌握API的思想。)
浏览 3提问于2021-07-08得票数 1
回答已采纳
1回答
我正在尝试使用支持向量机对我的数据进行拟合和分类。我的输入数据由11个特征(维度)和1335个样本组成，输出数据由17个类(1335x17)组成
from sklearn.svm import SVC
svclassifier = SVC(kernel='linear')
svccl = svclassifier.fit(x_train, y_train)
(甚至对于kernel = poly)，我得到以下错误：
ValueError: y should be a 1d array, got an array of shape (934, 17) instead.
当我尝试使用
浏览 47提问于2021-02-28得票数 0
4回答
我正试图将烈焰数据对象与科学工具函数相结合。
from blaze import *
from sklearn.cluster import KMeans
data_numeric = Data('data.csv')
data_cluster = KMeans(n_clusters=5)
data_cluster.fit(data_numeric)
数据样本：
A B C
1 32 34
5 57 92
89 67 21
其抛出错误：
我能用Pandas Dataframe做这件事。有什么办法把火焰物体喂给这个函数吗？
浏览 12提问于2016-09-29得票数 10
回答已采纳
我正在寻找最好的方法来做随机分层抽样，如调查和民意调查。我不想做sklearn.model_selection.StratifiedShuffleSplit，因为我不是在做监督学习，我也没有目标。我只想从熊猫DataFrame ()中创建随机分层样本。
Python是我的主要语言。
感谢您的帮助
浏览 6提问于2018-05-06得票数 11
这是我的输入矩阵
我的样本代码：
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.naive_bayes import MultinomialNB
from sklearn.ensemble import RandomForestClassifier
from sklear
浏览 1提问于2018-05-03得票数 2
回答已采纳
我正在使用sklearn版本的0.18.2
特别是，我使用来提取图像区域。
这个函数有一个有趣的参数，即max_patches，它表示函数应该从图像中提取多少补丁。
根据的228-238行，如果请求的样本数量高于映像中可用的补丁数量，则会引发异常。
在我的图像集中，我有不同大小的图像:从非常小的图像到全高清图像。现在这是一个问题，因为当我尝试请求1e6补丁时，它在小图像上抛出错误。
我有两个问题:第一个是建设性的:我如何解决这个问题？我认为这是非常正常的愿望:我希望每个图像中的补丁不超过一百万个。由于内存限制，我不想提取所有图像，然后将结果数组修剪为所需的大小。
第二:引入这种行为背后的理由是
浏览 28提问于2017-07-17得票数 0
回答已采纳
当使用像GaussianNB()这样的分类器时，得到的.predict_proba()值有时校准得很差；这就是为什么我想将这个分类器封装到sklearn的CalibratedClassifierCV中。
我现在有一个二进制分类问题，只有极少数正样本--非常少，以至于CalibratedClassifierCV失败了，因为样本比折叠少(由此产生的误差是Requesting 5-fold cross-validation but provided less than 5 examples for at least one class.)。因此，在应用分类器之前，我想先对少数类进行抽样。为此，我使用
浏览 12提问于2022-10-25得票数 0
1回答
我正在尝试使用Sklearn和下面的代码来将我的5000 D数据减少到32 D
from sklearn.decomposition import PCA
import numpy as np
arr = np.random.randint(1,10,(10,5000)).astype(float)
pca = PCA(n_components=32)
newData = pca.fit_transform(arr)
print newData.shape
通过上面的代码，我得到了形状的newData (10,10) (10维的10个样本).我对PCA的理解是，它应该会导致形状(10,32
浏览 2提问于2016-01-29得票数 1
回答已采纳
总的来说，我对机器学习非常陌生，我想把我的模型存储在云中，以便进行在线预测。
我成功地用TfIdf vecotrizer (用于情感分析)在Scikit上训练了一个Logistic回归模型--在本地使用木星笔记本学习，以及在Google平台上使用他们的培训工作特性。
我必须指出，我将bs4、nltk、lxml作为必需的PyPI包包含在培训包setup.py文件中。
我的训练算法是这样的：
将输入字符串及其标签(输出)的CSV文件导入为熊猫数据文件(模型有一个输入变量，即字符串)。
使用bs4和nltk对输入字符串进行预处理，以删除不必要的字符、停止词，并使所有字符小写(只使用小写字母字
浏览 0提问于2019-07-31得票数 0
1回答
我使用sklearn.model_selection中的StratifiedShuffleSplit来拆分数据集。但它只适用于1个标签。那么，如何对两个标签进行分层拆分，并为每个标签中每个类别中的样本数量添加阈值？对不起，我的英语不好。
from sklearn.model_selection import StratifiedShuffleSplit
split = StratifiedShuffleSplit(n_splits=1, test_size=val_size, random_state=42)
for train_index, val_index in split.split(
浏览 0提问于2021-10-12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
腾讯会议
实时音视频活动推荐
腾讯云开发者
