ValueError:设置random_state没有任何效果，因为shuffle为False
这个错误是在使用机器学习算法时可能会遇到的问题。它表示在设置了random_state参数的情况下，由于shuffle参数被设置为False，所以random_state参数不会产生任何效果。
在机器学习中，random_state参数用于控制随机数生成器的种子，以确保每次运行算法时得到相同的结果。而shuffle参数用于指定是否在训练数据中打乱样本的顺序。
当shuffle参数被设置为False时，训练数据的顺序将保持不变，这意味着无论random_state参数的取值如何，都不会对结果产生影响。因此，当shuffle为False时，设置random_state参数是没有任何效果的，会导致抛出ValueError异常。
解决这个问题的方法是将shuffle参数设置为True，以允许样本的随机排列。这样，random_state参数就可以起到控制随机数生成器种子的作用，确保结果的可重复性。
以下是一个示例代码，展示了如何正确设置random_state和shuffle参数：
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
# 假设X和y是训练数据和标签
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, shuffle=True)
# 创建逻辑回归模型
model = LogisticRegression(random_state=42)
# 在训练数据上拟合模型
model.fit(X_train, y_train)
# 在测试数据上进行预测
y_pred = model.predict(X_test)在上述示例中，train_test_split函数中设置了random_state=42和shuffle=True，确保了训练数据的随机打乱和结果的可重复性。然后，使用LogisticRegression模型对训练数据进行拟合，并在测试数据上进行预测。
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/tcml）
- 腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 腾讯云人工智能（https://cloud.tencent.com/product/ai）
- 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/mpp）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/baas）
- 腾讯云元宇宙（https://cloud.tencent.com/product/mu） 请注意，以上链接仅供参考，具体产品选择应根据实际需求进行评估。
相关·内容
我正在尝试理解如何使用交叉验证函数sklearn.model_selection.KFold。如果我定义(就像在这个tutorial中) from sklearn.model_selection import KFold
kf = KFold(n_splits=5, shuffle=False, random_state=100) 我得到了 ValueError: Setting a random_state has no effect since shuffle is False.
You should leave random_state to its default (None),
浏览 160提问于2021-06-29得票数 0
当我尝试在pycreat中训练某些东西时，收到以下错误消息
ValueError: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True.
from pycaret.regression import *
clf1 = setup(data = df, target = 'Survived',train_size = 0.7, session_id = 2)
bes
浏览 1692提问于2021-05-28得票数 5
import numpy as np
from sklearn.datasets import make_classification
from sklearn.cluster import KMeans
X, y = make_classification(n_samples=1000,
n_features=4,
n_informative=3,
n_redundant=0,
浏览 0提问于2019-12-07得票数 0
1回答
在这里，我对同时使用random_state和shuffle有点困惑。我想把数据分开，而不想把它弄乱。在我看来，当我将洗牌设置为False时，不管我为random_state选择的数字是什么，我都有相同的输出(对于random_state 42或2、7、17等等，分叉是相同的)。为什么？
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25,random_state=42,shuffle=False )
但如果洗牌是真实的，我有不同的输出(分裂)为不同的random_states，这是有意义的。
X_t
浏览 2提问于2018-11-11得票数 4
回答已采纳
我在一个小的数据集样本上尝试了这两种方法，它返回了相同的输出。所以问题是，在scikit的训练-测试-拆分方法中，"shuffle“和"random_state”参数之间有什么不同？
MWE的代码：
X, y = np.arange(10).reshape((5, 2)), range(5)
train_test_split(y, shuffle=False)
Out: [[0, 1, 2], [3, 4]]
train_test_split(y, random_state=0)
Out: [[0, 1, 2], [3, 4]]
浏览 3提问于2019-11-20得票数 6
回答已采纳
我最近从R过渡到python，我不确定如何解决下面的问题。 当我在我自己的数据上，按照可以在here上找到的说明，运行pycaret异常检测的设置时，我得到了以下错误。 # Inital setup
s = setup(data, session_id = 1230)
ValueError: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True. 与示例的唯一区别是，我有一些额外的
浏览 965提问于2021-09-08得票数 0
回答已采纳
我使用了load_boston数据集从学习和线性回归。守则：
from sklearn.datasets import load_boston
import pandas as pd
import numpy as np
%matplotlib inline
from sklearn.model_selection import train_test_split, KFold,cross_val_score,cross_validate
from sklearn.linear_model import LinearRegression
#Loading the dataset
x = loa
浏览 4提问于2020-04-21得票数 0
回答已采纳
当我设置 n_jobs =-1时，会得到错误，如果设置n_jobs相等的大值 (n_jobs=100)，但是如果设置较小的值(例如n_jobs=32)，则效果很好。我尝试过重新安装scikit--学习和joblib包，但都没有效果。而且，它(n_jobs=-1)以前工作得很好，但突然出错了。
from sklearn import datasets
from sklearn.model_selection import cross_validate, StratifiedKFold
from sklearn.linear_model import RidgeClassifier
iris =
浏览 1提问于2019-02-27得票数 3
我的目标变量存活了下来，只有0和1的值，下面的代码会导致错误：
kfold = StratifiedKFold(n_splits=8,shuffle=True, random_state=42)
rs = 15
clrs = []
clrs.append(AdaBoostClassifier(random_state=rs))
clrs.append(GradientBoostingClassifier(random_state=rs))
clrs.append(RandomForestClassifier(random_state=rs))
clrs.append(ExtraTreesC
浏览 8提问于2021-12-16得票数 0
我正在尝试用CatBoostClassifier调优多类分类的超参数，但是得到的错误。
ValueError: multiclass format is not supported
我的目标变量包含(0,1,2,3)
请检查下面的代码，我已经实现了。
accuracy = make_scorer(accuracy_score, greater_is_better=True, needs_threshold=True)
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
clf = CatBoostClassif
浏览 17提问于2021-12-10得票数 0
当我试图将GridSearchCV用于MLPClassifier时，我收到了以下消息：
ValueError:估计器的无效参数估计器
MLPClassifier(激活=‘relu’，alpha=0.0001，batch_size='auto'，beta_1=0.9，beta_2=0.999，early_stopping=False，epsilon=1e-08，
hidden_layer_sizes=(100，)，学习速率=‘常数’，
learning_rate_init=0.001，max_iter=200，momentum=0.9，
nesterovs_momentum=T
浏览 1提问于2016-10-04得票数 0
我想在我的模型上实现KFold交叉验证。因为我想与其他人分享我的结果，所以我希望每次都有固定的结果。我使用了一个xgboost模型作为我的分类模型。然而，每次我运行我的代码时，我的性能指标每次都会给出不同的结果，我感到困惑，因为我将shuffle参数设置为False。此外，我不确定random_state参数的作用(我阅读了文档)，但不管我如何尝试使用shuffle=False将其设置为一个固定的数字，这都没有帮助。
kf = KFold(n_splits=5, shuffle = False)
for train_index, test_index in kf.split(X, y):
浏览 2提问于2018-10-13得票数 1
因此，当我尝试运行下面这行代码时：
X_train, X_test, Y_train, Y_test=train_test_split(X_features, Y_feature, test_size=0.2, random_state=42, stratify=None, shuffle=False)
我得到以下错误：
TypeError: Invalid parameters passed: {'shuffle': False}
Yet, the 'shuffle' parameter is listed on scikitlearn website (ht
浏览 32提问于2017-08-28得票数 5
回答已采纳
import seaborn as sns
import pandas as pd
import numpy as nm
import matplotlib.pyplot as plt
df=sns.load_dataset('fmri')
x=df[['timepoint','subject']]
y=df['signal']
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import tra
浏览 0提问于2023-05-21得票数 1
我试图用RNN进行时间序列预测，但是在'input_shape' of keras.layers.SimpleRNN中不断发生错误，
但是我解决不了，所以我想问一个问题。
首先，下面是代码。这是错误消息
ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 1)
# X_train.shape = (58118,)
# y_train.shape = (58118,)
X
浏览 0提问于2021-08-22得票数 1
回答已采纳
2回答
我正在研究O‘’Reilly的手工机器学习与Scikit学习& Tensorflow。
我正在MNIST数据集上训练一个分类器，我得到了错误
ValueError: The number of classes has to be greater than one; got 1 class
这是我的密码
mnist = fetch_openml('mnist_784', version=1, cache=True)
X, y = mnist["data"], mnist["target"]
X_train, X_test, y_trai
浏览 1提问于2019-01-16得票数 1
回答已采纳
2回答
我被困在一个我似乎解决不了的问题上。我在我的另一台PC上使用PyCaret很好，最近我有了一台新的桌面。
我在我的旧PC上处理一个数据集，在setup()和PyCaret上没有问题，没有任何问题。当我用我的新桌面和新安装的木星处理我的相同的数据集时，我注意到我碰到了一个ValueError: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True.，我觉得很奇怪，但接着又设置了fold
浏览 17提问于2022-08-25得票数 1
我是Keras的新手，面临着一个我不理解的问题，到目前为止，我在互联网上也找不到任何解决方案。 我使用以下几行代码在UrbanSound8K数据集上训练一个简单的模型： x_train, y_train, _, _ = load_data(["data_1.pickle", "data_5.pickle"])
#x_train, _, y_train, _ = train_test_split(x_train, y_train, test_size=0.01, random_state = 0, shuffle=True)
model = Sequentia
浏览 46提问于2021-01-28得票数 1
回答已采纳
我正在研究sklearn.model_selection.train_test_split的scikit-learn实现。Sklearn通常有高质量的代码，所以我不时地阅读它来学习好的实践。但最近我发现了这样的东西： def train_test_split(*arrays, **options):
"""
...
"""
n_arrays = len(arrays)
if n_arrays == 0:
raise ValueError("At least one array re
浏览 37提问于2020-04-21得票数 3
1回答
我正在学习使用tf和Keras来解决回归问题。
我编写了这个函数来交叉验证不同的模型，以便比较它们。
def cv(X, y, model, n_splits=5, epochs=5, batch_size=1024,
random_state=42, verbose=0):
# kf = KFold(n_splits=n_splits, shuffle=True, random_state=random_state)
kf = KFold(n_splits=n_splits, shuffle=False, random_state=random_state)
浏览 1提问于2020-01-09得票数 0
回答已采纳
2回答
当我使用GridSearchCV和xgboost执行网格搜索时
kfold = StratifiedKFold(n_splits=3, shuffle=False, random_state=random_state)
model = xgb.XGBClassifier()
grid_search = GridSearchCV(model, param_grid, scoring="roc_auc",
n_jobs=4, cv=kfold, verbose=1)
GridSearchCV内部使用的轮数是多少？
浏览 0提问于2017-01-16得票数 2
我训练一个带有稀疏2D标签的seq到seq模型。为每个时间步骤分别定义了类的索引。这是多类单标签任务(softmax)。
这里的分层对于新生成的数据集中的平衡标签非常有用，可以通过原始数据集中分割的标签来实现。
# load dataset
f = np.load('./new_dataset.npz')
signals = f['signals']
labels = f['labels']
# downsample to 50 Hz (6 sec windows)
if (signals.shape[0] % 2) != 0:
sig
浏览 25提问于2022-03-06得票数 0
1回答
from sklearn.model_selection import RandomizedSearchCV, GridSearchCV
from sklearn.metrics import roc_auc_score
from sklearn.metrics import precision_recall_fscore_support as score
from sklearn.model_selection import StratifiedKFold
from xgboost import XGBClassifier
import time
params = {
'm
浏览 0提问于2018-04-26得票数 1
回答已采纳
这里是sklearn.model_selection.GridSearchCV中cv参数的解释：
cv : int，交叉验证生成器或可迭代的，可选的，决定交叉验证分裂策略.协调中心可能提供的投入如下：
整数，以指定(分层)KFold中的折叠数
例如，我可以替换
CV = 5
至
CV = KFold(n_splits=5, random_state=None, shuffle=False)
或者用相反的方式代替。在函数中调用CV。
GridSearchCV(estimator=XXX, ... , cv = CV)
我不知道是否有什么不同？
浏览 0提问于2019-08-21得票数 0
回答已采纳
我正在尝试运行一个3x10倍的交叉验证。问题是，我从三个不同的迭代中得到了相同的结果，这告诉我，褶皱并没有不同的分裂。这是为什么，我如何使这是随机的每次(或至少基于我)
from sklearn.ensemble import AdaBoostClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import cross_val_score
import statistics as stats
import random
import numpy as np
X, y
浏览 0提问于2019-10-05得票数 0
回答已采纳
我尝试用交叉验证方法和SVM分类器进行分类。在我的数据文件中，最后一列包含我的类(它们是0、1、2、3、4、5)，其余的(第一列除外)是我想用来预测这些类的数值数据。
from sklearn import svm
from sklearn import metrics
import numpy as np
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score
filename = "Features.csv"
datas
浏览 1提问于2020-08-16得票数 1
回答已采纳
我在MLPClassifier上使用OneVsRestClassifier。我使用它对文本数据进行分类，其中X是pd.DataFrame中的问题集，Y是多标签和多类字符串。请看下面的代码片段 text_clf = Pipeline([('scale',StandardScaler(with_mean=False)),('clf',OneVsRestClassifier(MLPClassifier(learning_rate = 'adaptive', solver = 'lbfgs',random_state=9000)))])
浏览 7提问于2018-12-18得票数 4
回答已采纳
1回答
我正在使用scikit-learn训练一些分类器。我做交叉验证，然后计算AUC。不过，每次运行测试时，我都会得到一个不同的AUC号码，尽管我确保使用了一个种子和一个RandomState。我希望我的测试是决定性的。这是我的密码：
from sklearn.utils import shuffle
SEED = 0
random_state = np.random.RandomState(SEED)
X, y = shuffle(data, Y, random_state=random_state)
X_train, X_test, y_train, y_test = \
cro
浏览 0提问于2014-05-03得票数 5
使用Sklearn分层的k折叠拆分，当我尝试使用多类进行拆分时，我收到了错误消息(见下文)。当我尝试使用二进制文件进行拆分时，它没有问题。
num_classes = len(np.unique(y_train))
y_train_categorical = keras.utils.to_categorical(y_train, num_classes)
kf=StratifiedKFold(n_splits=5, shuffle=True, random_state=999)
将数据分割成不同的褶皱
for i, (train_index, val_index) in enumerate(k
浏览 0提问于2018-01-29得票数 3
回答已采纳
1回答
许多scikit学习和熊猫对象/函数使用random_state=None作为默认参数。对于所有对象，如何在不手动编辑每个对象的random_state=100的情况下将其重写为random_state？
make_blobs(n_samples=100, n_features=2, centers=3, cluster_std=1.0,
center_box=(-10.0, 10.0), shuffle=True, random_state=None)
浏览 0提问于2018-01-11得票数 2
我试图用GridSearchCV和管道建立一个多输出模型.管道给我带来了麻烦，因为标准分类器示例没有包装分类器的OneVsRestClassifier()。我正在使用scikit-学习0.18和python 3.5
## Pipeline: Train and Predict
## SGD: support vector machine (SVM) with gradient descent
from sklearn.multiclass import OneVsRestClassifier
from sklearn.pipeline import Pipeline
from sklearn.
浏览 0提问于2016-11-01得票数 14
回答已采纳
最近，我一直在努力让滑雪板使用我的数据。对于我的20k行，我有609列数据。数据的格式如下：
行0-7是一种不同类型的“输出”( 1-8行中的每一行都独立地基于“输入”)。
行8-608是“输入值”，即产生前七列输出的值。
所有这些值都是在一个名为unlabelled.csv的文件中找到的，或者实际上是一个CSV，无论您选择给它分配什么名称。
因此，我一直在尝试对它进行SGD回归，如下所示：
import sklearn
from sklearn import linear_model as linmod
import numpy as np
rawdata=open('
浏览 7提问于2017-03-06得票数 2
回答已采纳
我有一个数据集，如下所示(它摘自一篇在线文章，我一直在尝试对其进行朴素的贝叶斯算法)
原始数据集
Y属性
在做了一些操作之后(本文后面)，这些是我用于培训和测试的新数据集，
X列车
Y型列车
现在，它包含了一个多标签，我被要求查看这个问题的多输出分类。我一直试图理解这个分类，并试图自己实现它，但我无法完成它。首先，我试着遵循网站上给出的示例代码，
from sklearn.datasets import make_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.ensemble
浏览 0提问于2020-12-27得票数 2
回答已采纳
1回答
我是方法，我对我的代码有一些疑问(我不会把整个算法放在它有多大的范围内)：
def __init__(self, eta=0.01, n_iter=50, shuffle=True, random_state =None) :
self.eta = eta
self.n_iter=n_iter
self.w_initialized=False
self.shuffle=True
self.random_state = random_state
def partial_fit(self,X,y):
"""Fit tr
浏览 3提问于2020-06-05得票数 0
回答已采纳
sklearn.utils中shuffle中的random_state参数是什么？任何人都可以用一些例子来解释random_state？
浏览 1提问于2016-07-05得票数 7
回答已采纳
我有一个pandas数据基，为了生成一个tensorflow数据集，我将其转换为一个numpy数组：
dataset = tf.keras.utils.timeseries_dataset_from_array(
data=df,
targets=df,
sequence_length=100,
batch_size=1,
shuffle=False)
(目前目标只是虚拟值)
当我试图训练这个模型时，我会遇到像ValueError: Cannot convert a partially known TensorShape (None, None) to
浏览 2提问于2022-06-15得票数 0
我有一个multiclass-multioutput分类问题，我在sklearn中使用randomforest分类器来执行分类。我的代码如下。 from sklearn import datasets
iris = datasets.load_iris()
X = iris.data[:5]
y = np.array([[0,0], [0,1], [0,2], [0,4], [1,1]])
clf = RandomForestClassifier(random_state = 42, class_weight="balanced")
k_fold = StratifiedKF
浏览 99提问于2020-06-11得票数 2
回答已采纳
我有一个非常大的数据集，我必须训练一个模型。我不知道Nan在哪里，也不知道缺失值在哪里。启动svm代码时出现错误。 df = pd.read_csv('Data.txt',delimiter=',')
df.head()
X = df[['a', 'b', 'c']].values
Y=df['Label'].values
cv = KFold(n_splits=2, random_state=42, shuffle=False)
for train_index, test_index
浏览 99提问于2021-02-25得票数 -1
回答已采纳
我正在处理一个高度不平衡的数据集的分类问题。我正在尝试在网格搜索管道中使用SMOTEENN，但是我一直得到这个ValueError： ValueError: Invalid parameter randomforestclassifier for estimator Pipeline(memory=None,
steps=[('preprocessor_X',
ColumnTransformer(n_jobs=None, remainder='drop',
浏览 26提问于2019-12-29得票数 0
我有一个奇怪的问题，一个新的安装xgboost。在正常情况下，它可以正常工作。但是，当我在下面的函数中使用该模型时，它会给出标题中的错误。
我使用的数据集是从kaggle借来的，可以在这里看到：
用于拟合我的模型的函数如下：
def get_val_scores(model, X, y, return_test_score=False, return_importances=False, random_state=42, randomize=True, cv=5, test_size=0.2, val_size=0.2, use_kfold=False, return_folds=False,
浏览 10提问于2021-04-14得票数 3
回答已采纳
1回答
如何构建混淆矩阵？
、、、
我有以下代码，它绘制了KNN算法的嵌套交叉验证与非嵌套交叉验证。 # Number of random trials
NUM_TRIALS = 30
# Load the dataset
X_iris = X.values
y_iris = y
# Set up possible values of parameters to optimize over
p_grid = {"n_neighbors": [1, 5, 10]}
# We will use a Support Vector Classifier with "rbf" kernel
svm
浏览 68提问于2020-03-19得票数 1
回答已采纳
我使用recursive feature elimination with cross validation (rfecv)作为randomforest classifier的特性选择器，如下所示。
X = df[[my_features]] #all my features
y = df['gold_standard'] #labels
clf = RandomForestClassifier(random_state = 42, class_weight="balanced")
rfecv = RFECV(estimator=clf, step=1, cv
浏览 310提问于2019-04-10得票数 15
回答已采纳
1回答
我试图使用cross_val_score()函数和嵌套的交叉验证在python中实现一个简单的弹性网络回归，但它不让我传递参数。它一直在为我的l1_ratio声明一个无效参数的ValueError，我不明白为什么它在0和1之间。 ValueError: Invalid parameter l1_ratio for estimator Pipeline(steps=[('preprocessor',
ColumnTransformer(remainder='passthrough',
浏览 5提问于2020-11-03得票数 0
回答已采纳
我有一个Keras模型，我想用sklearn的AdaBootClassifier来提升它。不幸的是，我得到了以下错误消息，并且不知道如何解决它。如果有任何帮助，我会非常高兴！ ()中的ValueError回溯(最近一次调用)->1 boosted_classifier.fit(X，y) 3 _boost_discrete(self，iboost，X，y，sample_weight，random_state)中的3帧仅增强正权重603 sample_weight *= np.exp(estimator_weight *sample_weight* --> 604 (sample_w
浏览 61提问于2020-10-28得票数 0
回答已采纳
我想使用带有LinearSVC的AdaBoostClassifier作为基本估计器。我想对LinearSVC中的一些参数进行网格搜索。此外，我还必须缩放我的功能。
p_grid = {'base_estimator__C': np.logspace(-5, 3, 10)}
n_splits = 5
inner_cv = StratifiedKFold(n_splits=n_splits,
shuffle=True, random_state=5)
SVC_Kernel=LinearSVC(multi_class ='cramme
浏览 14提问于2019-10-24得票数 0
回答已采纳
我正在处理一个不平衡的多类数据集，我试图将它传递到一个balancedBaggingClassifier中，但是我一直收到以下错误：
代码：
import pandas as pd
dataframe = pd.read_excel('mergedDataset.xlsx')
from sklearn import model_selection
from sklearn.tree import DecisionTreeClassifier
X = dataframe.iloc[:,:-1]
y = dataframe.iloc[:,-1:]
from sklearn.mode
浏览 14提问于2022-05-14得票数 0
我正在尝试让Scikit-learn处理一个包含500个观察值，20个特征和5个分类目标标签(1，2，3，4，5)的数据集的分类问题。这些特征都是float64类型的，并且已经被归一化为z分数。只要将目标变量(y)作为一维NumPy数组输入，拟合和验证就可以正常工作。 然而，我最近意识到了对目标变量进行一次性编码的重要性，因为分类的结果似乎略有不同，这取决于分配给类的整数。 例如，这里通过对编码变量使用不同的顺序来快速概述k-NN分类器的平均结果：(1，2，3，4，4，5) = 52,7%，(2，4，6，8，10) = 52,5%和(4，3，5，1，2) = 52,1%。这是有问题的，因为y
浏览 13提问于2019-09-11得票数 1
我试图使用sklearn.linear_model.TheilSenRegressor将一行(1d特性)与0截取相匹配，但是，当我指定fit_intercept=False时，我会得到以下错误：
ValueError: matmul:输入操作数1没有足够的维数(具有签名(n?，k)，(k，m?)->(n?，m?)需要1)
这是sklearn手册中的原始示例，它可以很好地指定fit_intercept=False。
from sklearn.linear_model import TheilSenRegressor
from sklearn.datasets import make_r
浏览 1提问于2020-08-04得票数 0
我试图使用朴素的Bayes为多类创建roc曲线，但以
ValueError:输入形状不好。
import numpy as np
import matplotlib.pyplot as plt
from itertools import cycle
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_
浏览 3提问于2019-07-31得票数 3
我正在学习多标签、多分类的例子。
当你有这样一个案子的时候
Year Actor Budget | Genre
------------------------------------------------
2004 Tom C. 40,000,000 | Action, Darama
2016 Mel G. 54,000,000 | Comedy, Action, Family
2021 Eva K. 3,000,000 | Comedy, Romance
我看到了一个使用MultiOutputClassifier
浏览 3提问于2022-02-13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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
