sklearn管道不工作
sklearn管道是Scikit-learn库中的一个重要功能，用于将多个数据处理和机器学习步骤组合成一个整体流程。然而，当sklearn管道不工作时，可能有以下几个原因和解决方法：
- 版本兼容性问题：确保使用的Scikit-learn库版本与代码中的管道语法兼容。可以通过升级或降级Scikit-learn库来解决此问题。
- 数据类型不匹配：检查管道中每个步骤的输入和输出数据类型是否一致。例如，某个步骤的输出是稀疏矩阵，而下一个步骤期望的是密集矩阵。可以使用适当的数据转换函数（如toarray()）来解决此问题。
- 步骤顺序错误：确保管道中的步骤按照正确的顺序排列。例如，在特征选择之前应用特征缩放，否则可能导致错误的结果。可以通过重新排列管道步骤的顺序来解决此问题。
- 步骤参数错误：检查每个步骤的参数设置是否正确。某些步骤可能需要特定的参数配置才能正常工作。可以参考Scikit-learn官方文档或相关教程来获取正确的参数设置。
- 数据预处理问题：如果管道中的某个步骤涉及数据预处理，例如缺失值填充或特征编码，确保预处理步骤正确处理了数据。可以使用Scikit-learn提供的预处理函数（如Imputer或OneHotEncoder）来解决此问题。
- 异常处理：捕获并处理可能出现的异常情况，例如数据格式错误或模型训练失败。可以使用try-except语句来捕获异常，并根据具体情况采取适当的处理措施。
总结起来，当sklearn管道不工作时，我们应该检查版本兼容性、数据类型匹配、步骤顺序、参数设置、数据预处理和异常处理等方面的问题，并根据具体情况采取相应的解决方法。更多关于Scikit-learn管道的信息和使用示例，可以参考腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）提供的相关文档和教程。
相关·内容
1回答
我有一个imblearn (非sklearn)管道，由以下步骤组成：
selectorPreprocessing管道( columns)imblearn's SMOTEXGBClassifier上有OneHotEncoders和CountVectorizers的ColumnTransformer)
我有一个表格数据集，我试图解释我的预测。我通过一些工作成功地绘制出了特性重要性图，但无法让eli5或lime发挥作用。
Lime要求我将数据转换为上次转换之前的状态(因为管道中的转换器就像定制的向量器一样创建了新的列)。原则上，我可以像这样分割我的管道：pipeline[:-1].predi
浏览 3提问于2020-10-27得票数 0
回答已采纳
下面有一条管道。X是特性，y是目标变量。我想知道y是如何传递给估计器LinearSVC的。据我所知，StandardScaler只返回转换后的X。所以，我认为y没有传递给LinearSVC。然而，这段代码起作用了，我可以做预测。因此，我想知道y是如何到达最终估计量的。
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.svm import Linear SVC
svm_clf = Pipeline([
("sca
浏览 0提问于2020-12-11得票数 0
回答已采纳
我在试着理解科学学习管道是如何工作的。我有一些虚拟数据，我试图拟合一个随机森林模型的虹膜数据。这是一些代码
from sklearn import datasets
from sklearn import svm
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import Pipeline
from sklea
浏览 1提问于2020-10-02得票数 4
回答已采纳
我正在运行一个回归算法，并使用sklearn管道进行预处理。最初，我对所有数值列都使用了迭代输入程序，但我更愿意为某些列添加一些附加步骤，因此对每个列或至少一些列使用不同的预处理步骤。在某些列中，零值是有效的，而在另一些列中，则是如何标记缺失值。
from sklearn.impute import IterativeImputer
from sklearn.impute import KNNImputer
from sklearn.ensemble import ExtraTreesRegressor, RandomForestRegressor
import sklearn.preproc
浏览 8提问于2021-05-28得票数 0
我试图链接网格搜索和递归功能消除在一个管道使用scikit学习。
带有“裸”分类器的GridSearchCV和RFE工作得很好：
from sklearn.datasets import make_friedman1
from sklearn import feature_selection
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
est = SVR(k
浏览 0提问于2016-04-17得票数 17
回答已采纳
我已经完成了以下工作：
max_features=None，min_df=2，ngram_range=(1，3)
1- 如何打印该流水线的输出？我的意思是( 1-3克)，如果我想自己生成我的比格，那么最好的解决方案是什么呢?
2-如果我想添加像min >1 ?这样的约束
这是我的配置：
from sklearn.naive_bayes import MultinomialNB,BernoulliNB,GaussianNB
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeigh
浏览 0提问于2016-02-13得票数 2
我有预先训练的Sklearn模型和预先训练的标准标量对象保存为泡菜。现在，我想使用这两种方法来创建Sklearn管道。
我需要滑雪板管道将它转换成ONNX格式。
我不能这样做，因为管道采用标准标量类，然后我们需要适合的管道使用数据，但在我的情况下，模型和标量都已经安装。
浏览 0提问于2020-07-20得票数 1
回答已采纳
我正在尝试将管道对象保存为PMML，而Python抛出了一个RuntimeError。 我的Python版本是3.6，sklearn2pmml版本是0.44.0，JDK版本是1.8.0_201。 所有这些都符合软件包的前提条件。 以下是我到目前为止所做的工作。(我不包括数据加载和清理部分) from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import make_pmml_pipeline, sklearn2pmml
logit_pipline = Pipeline([('vect', Coun
浏览 472提问于2019-04-30得票数 3
1回答
优化元估计器
、、
我正在尝试使用scikit learn的GridSearchCV函数来找到一些基本模型的最佳参数，然后将这些参数输入到堆叠估计器中。
我的代码基于这篇文章(我用它来说明)：
我想对我的估计器的参数执行网格搜索(主要是岭参数，KNN中的邻居数量，以及RF深度和溢出)，但我不能让它工作。我定义模型，如下所示：
from sklearn.base import TransformerMixin
from sklearn.datasets import make_regression
from sklearn.pipeline import Pipeline, FeatureUnion
from sk
浏览 0提问于2018-02-10得票数 0
回答已采纳
我的scikit学习管道是线性回归的，但是我的问题域不应该允许输出高于某个值，所以我想限制输出。我知道我可以先运行我的模型，然后做一个y = np.where(y > MAX_VALUE, MAX_VALUE, y)，但我可能还有几个这样的自定义逻辑步骤，所以我想把它封装到管道中。sklearn能做到这一点吗？
我尝试编写自己的自定义估计器，如下所示，它给出了错误All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough
浏览 2提问于2019-11-11得票数 1
1回答
信息特征代码不起作用
、、、
我想在SciKit学习中为二进制NB实现一个信息最丰富的功能。我正在使用Python3。
首先，我了解到为SciKit的多项NB实现某种“信息特性”功能的问题已经被提出。然而，我已经尝试了这些回复，但是没有运气--所以我认为要么SciKit更新了，要么我做了一些非常错误的事情。我使用tobigue的作为函数。
from nltk.corpus import stopwords
import numpy as np
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline
from sk
浏览 8提问于2017-11-30得票数 0
回答已采纳
我正在构建一个Sagemaker批处理推理管道，对使用sagemaker.sklearn.processing.SKLearnProcessor和sagemaker.sklearn.estimator.SKLearn处理特性的选项(在推断之前)感到困惑--我对这两个选项的理解是：
aws中有一些文档使用sagemaker.sklearn.estimator.SKLearn进行批处理转换来处理数据。使用该类及其.create_model()方法的优点是，我可以将创建的模型(在推断之前处理特性)合并到部署在端点上的sagemaker.pipeline.PipelineModel中。因此，当推理请求
浏览 13提问于2022-09-25得票数 -1
回答已采纳
假设我想使用sklearn管道应用几种特征选择方法。以下是一个例子：
from sklearn.datasets import load_breast_cancer
from sklearn.feature_selection import SelectKBest, chi2
from sklearn.feature_selection import VarianceThreshold
from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split
X, y = load_
浏览 6提问于2022-07-25得票数 1
回答已采纳
1回答
我试图在一个更大的scikit学习管道中使用spacy作为标记器，但始终遇到这样的问题:任务不能被腌制，不能发送给工作人员。
最起码的例子：
from sklearn.linear_model import SGDClassifier
from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.model_selection import RandomizedSearchCV
from sklearn.datasets import
浏览 0提问于2018-12-21得票数 3
回答已采纳
我试图保存由autosklearn生成的所有模型，但我只能得到最好的模型。
import sklearn.datasets
import sklearn.metrics
import autosklearn.classification
# Load data
X, y = sklearn.datasets.load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = \
sklearn.model_selection.train_
浏览 6提问于2021-05-06得票数 3
目前，我可以通过使用make_column_transformer和make_pipeline构建一个模型，如下所示： from sklearn.compose import make_column_transformer
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import OneHotEncoder
from sklearn.tree import DecisionTreeClassifier
from sklearn.pipeline import make_pipel
浏览 20提问于2020-09-11得票数 0
我希望能够在sklearn中使用RandomizedSearchCV结构中的管道。然而，现在我相信只有估计者才会得到支持。下面是我想要做的事情的一个例子：
import numpy as np
from sklearn.grid_search import RandomizedSearchCV
from sklearn.datasets import load_digits
from sklearn.svm import SVC
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import
浏览 6提问于2015-01-27得票数 21
回答已采纳
1回答
无法从管道绘制树
、、、
我有下面的决策树分类代码，我可以看到这个模型的预测结果，但不能绘制树 from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.compose import make_column_selector as selector
from sklearn.t
浏览 25提问于2021-04-03得票数 0
回答已采纳
我跟随这个例子在线进行简单的文本分类
当我像这样创建分类器对象时
from sklearn.datasets import fetch_20newsgroups
twenty_train = fetch_20newsgroups(subset='train', shuffle=True)
from sklearn.feature_extraction.text import CountVectorizer
count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(twenty_train.
浏览 0提问于2019-09-23得票数 0
回答已采纳
我正在做文件分类，并获得了高达76%的准确性。在预测文档类别时，我做了下面的一个
doc_clf.predict(tf_idf.transform((count_vect.transform([r'document']))))
我得到了以下错误：
File "/usr/local/lib/python3.5/dist- packages/sklearn/utils/metaestimators.py", line 115, in <lambda>
out = lambda *args, **kwargs: self.fn(obj, *args,
浏览 0提问于2018-02-13得票数 1
回答已采纳
4回答
是否可以在sklearn.pipeline.Pipeline对象中删除或插入步骤？
我试图在管道对象中使用或不包含一个步骤进行网格搜索。想知道我是否可以插入或删除管道中的一个步骤。我在Pipeline源代码中看到，有一个self.steps对象保存了所有步骤。我们可以通过named_steps()获得这些步骤。在修改它之前，我想确认一下，我不会造成意想不到的影响。
下面是一个示例代码：
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
from sklearn.decomposition import PCA
e
浏览 5提问于2015-12-16得票数 39
回答已采纳
我已经使用sklearn_pandas和sklearn创建了一个ML管道。它看起来像这样。
features = ['ColA','ColB','ColC']
labels = 'ColD'
mapper = sklearn_pandas.DataFrameMapper([
('ColB',sklearn.preprocessing.StandardScaler()),
('ColC',sklearn.preprocessing.StandardScaler())
])
pipe
浏览 4提问于2015-04-30得票数 2
回答已采纳
1回答
pipeline管道与管道的区别
、、、、
我想使用sklearn.pipeline而不是imblearn.pipeline来合并‘`RandomUnderSampler()’。我的原始数据需要缺少值补偿和缩放。这里我有一个乳腺癌数据作为玩具示例。但是，它给出了以下错误消息。我很感谢你的建议。耽误您时间，实在对不起! from numpy.random import seed
seed(12)
from sklearn.datasets import load_breast_cancer
import time
from sklearn.metrics import make_scorer
from imblearn.metrics
浏览 27提问于2021-04-21得票数 0
回答已采纳
我试图使用GridSearchCV来选择最佳的输入策略，但我在这样做时遇到了困难。
首先，我有一个为数字和分类列准备数据的管道-
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.pipeline import Pipeline, make_pipeline
num_pipe = make_pipeline(Simpl
浏览 5提问于2022-01-27得票数 0
回答已采纳
我一直在使用Keras回归上机器掌握的脚本，我想将模型保存为一个.h5文件。
Machinelearningmastery还有另一个节省型号/泡菜教程，但是脚本是用Keras…中的model.fit()方法编写的。但是我使用的脚本是通过调用函数来定义模型的。
有人能告诉我如何将这个模型保存为.h5df吗？
import numpy as np
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import
浏览 0提问于2019-03-01得票数 2
回答已采纳
1回答
功能选择的名称
、、、
我想知道我的RF模型中的功能名称。我读到了here，gs.best_estimator_.named_steps["stepname"].feature_importances_的输出将从我的数据中镜像我的列。但是，gs.best_estimator_....的长度是10，而我有13列。有些列并不重要。从周围的其他答案(answer1，answer2)来看，我必须在我的管道中声明一些东西。但我对声明什么感到困惑，因为两个答案都涉及PCA，而不是RF。 这是我到目前为止所拥有的。 from sklearn.ensemble import RandomForestRegresso
浏览 16提问于2020-04-14得票数 1
回答已采纳
当支持向量回归模型(SVR)嵌入到管道和网格搜索中时，我在scikit learn中访问该模型的系数时遇到了问题。考虑以下示例：
from sklearn.datasets import load_iris
import numpy as np
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
from sklearn.feature_selection import SelectKBest
from sklearn.pipeline import Pipeline
iris = load_iri
浏览 0提问于2016-11-13得票数 2
1回答
我想找一个与K交叉验证滑雪分类器的准确性。我可以在没有交叉验证的情况下正常地估计准确度。但是，如何改进这段代码以同时执行交叉验证和应用StandardScaler呢？
from sklearn.datasets import load_iris
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics
from sklearn.cross_validation import cross_v
浏览 1提问于2017-04-06得票数 0
回答已采纳
我在机器学习方面是个新手，并且试图做一个让我忙个不停的项目，所以我对sklearn的工作原理不太了解。主要目标是训练一个模型来预测分类变量。当我尝试labelEncoding我的模型的y变量时，我得到了以下错误：
ValueError: not enough values to unpack (expected 3, got 2)
FitFailedWarning)
下面是我使用的代码
#Rough training
cols_to_use = [col for col in formatData.columns if col not in 'type1']
x = f
浏览 6提问于2020-08-08得票数 0
我正在尝试使用嵌套的RFECV运行一个RandomizedSearchCV，该RFECV本身有一个管道。这个管道是一个MinMaxScaler，后面跟着6个不同的分类器之一。当我用n_jobs=1运行这个RandzomizedSearchCV时，一切正常，但是当我尝试增加作业数时，我遇到了问题： 例如，SVC将在许多折叠上显示FitFailedWarning： [CV] ................. estimator__clf__C=0.1, score=nan, total= 2.9s
[Parallel(n_jobs=10)]: Done 12 tasks | e
浏览 28提问于2020-03-21得票数 0
使用Sklearn管道，我们可以可视化我们的管道构造。见下面的短图。
我找不到类似的绘图功能的Sklearn堆叠分类器。如何用Sklearn堆叠分类器来表示集成模型构造？
我在google上进行了研究，但没有找到任何关于如何绘制Sklearn堆叠分类器构造的例子。
浏览 1提问于2022-11-16得票数 1
当我使用滑雪板管道时，它有时工作得很好，但大多数时候都会出现错误。
我不知道为什么。请帮帮我。谢谢。滑雪板版本为0.21.2。
错误消息:
"D:\develop\Anaconda3\lib\site-packages\sklearn\pipeline.py"，回溯(最近一次调用)：文件“D:/ /py魅力/机器学习-1/多项式回归Pipline.py”，第18行，在("lin_reg"，LinearRegression())文件的第135行，在init self._validate_steps() File self._validate_steps() Fi
浏览 1提问于2019-12-27得票数 0
有谁能解释一下sklearn.pipeline.make_pipline和imblearn.pipeline.make_pipline的区别吗？
浏览 0提问于2019-08-21得票数 6
回答已采纳
我的管道使用自定义转换函数，它不能使用sklearn2pmml成功转换。
这是我的自定义函数代码
def calc_modify_days(X):
X['modify_date_new'] = X['modify_date'].apply(lambda x:x[:4]+'-'+x[4:6]+'-'+x[6:8] if x!='' and x<'20221230' else '2022-12-30' )
X['modify_days'] = (p
浏览 7提问于2022-10-27得票数 0
我正在看2017年的PyData谈话，其中演讲者提供了如何使用FunctionTransformer for sklearn.preprocessing的示例
from sklearn.preprocessing import FunctionTransformer
logger = FunctionTransformer(np.log1p)
X_log = logger.transform(X)
换句话说，她在列的行上应用了一个函数。我认为可以更简单地使用.apply()来完成这一任务。我认为，数据分析师导入FunctionTransformer的原因肯定还有其他原因。有人能帮助我理解.ap
浏览 0提问于2019-10-19得票数 2
回答已采纳
现在，我在中训练了一个名为“GB”的gbdt模型。我想把这个经过训练的模型导出到pmml文件中。但是我遇到了这样的问题: 1.如果我尝试将经过训练的'GB‘模型放入PMMLpipeline并使用sklearn2pmml导出模型。如下所示：
GB = GradientBoostingClassifier(n_estimators=100,learning_rate=0.05)
GB.fit(train[list(x_features),Train['Target']])
GB_pipeline = PMMLPipeline([("classifier",G
浏览 2提问于2017-05-19得票数 0
回答已采纳
当我使用管道对象时，
当我使用.fit()方法时，管道对象是否适合并转换的火车数据？或者我应该使用.fit_transform()方法？这两者有什么区别？
当我对测试数据使用.predict()方法时，管道对象是否对测试数据进行转换，然后再进行预测？，也就是说，在使用.predict()方法之前，是否应该使用.transform()方法对测试数据进行转换？
这是我的代码：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature
浏览 2提问于2021-07-07得票数 7
回答已采纳
我习惯于以以下方式运行sklearn的标准scaler：
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler().fit(X_train)
scaled_X_train = scaler.transform(X_train)
其中X_train是一个数组，包含我训练数据集中的特性。
然后，我可以使用相同的定标器来缩放测试数据集X_test中的特性。
scaled_X_test = scaler.transform(X_test)
我知道我也可以在模型中“烘焙”定标器，使用sklearn的make_pi
浏览 3提问于2022-06-14得票数 1
回答已采纳
2回答
我正在使用sklearns' pipeline函数、one hot encode和model。几乎和的帖子完全一样。
在使用Pipeline之后，我再也无法获得树的贡献了。获取此错误：
AttributeError：“管道”对象没有属性“n_outputs_”
我试着玩的参数，但我被卡住了。
因此，我的问题是:当我们使用sklearns Pipeline时，我们有没有办法从树中得到贡献？
编辑2-按Venkatachalam请求的真实数据：
# Data DF to train model
df = pd.DataFrame(
[['SGOHC', '
浏览 2提问于2020-11-27得票数 3
回答已采纳
我试图使用功能联合第一次在滑雪管道，结合数字(2列)和文本特征(1列)的多类分类。
from sklearn.preprocessing import FunctionTransformer
from sklearn.pipeline import Pipeline
from sklearn.multiclass import OneVsRestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import FeatureUnion
get_text_data = Func
浏览 9提问于2017-12-11得票数 11
回答已采纳
我使用一个sklearn.pipeline.Pipeline对象来进行集群。
pipe = sklearn.pipeline.Pipeline([('transformer1': transformer1),
('transformer2': transformer2),
('clusterer': clusterer)])
然后我用剪影评分来评估结果。
sil = preprocessing.silhouett
浏览 3提问于2017-08-11得票数 10
让我们假设我有典型的训练和测试数据集设置(X_train、y_train、X_test、y_test)和一个非常简单的管道，我想在交叉验证中使用(我会有多个更复杂的管道，但这只是一个简化的例子)。
当我进行交叉验证时，如下面的代码所示，我想知道Pipeline方法是否真的能工作。
我的问题是，Pipeline .predict() 是在最后一次“测试”-fold上调用.predict()方法，还是在用于训练的折叠上调用 .predict() ？
from sklearn.cross_validation import cross_val_score, KFold
from sklearn.pi
浏览 0提问于2014-08-11得票数 0
回答已采纳
我正在努力学习如何通过sklearn来处理文本数据，并且遇到了一个我无法解决的问题。
下面的教程是：
输入是带有两列的熊猫df。一个带有文本，一个带有二进制类。
代码：
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline
traindf, testdf = train_test_split(nlp_df, stratify=
浏览 0提问于2018-08-09得票数 2
回答已采纳
我正在尝试创建一个基于科学知识的管道，通过熊猫的数据传输。在每个阶段，只应触及一子集的功能，其余的应通过未经修改。为此，我使用IBEX，因为DataFrameMapper似乎没有为我做这项工作，因为为了完整性起见，没有保留未触及的字段，这里的DataFrameMapper代码(它对我不起作用，但可能是在其他人之前)：
from sklearn_pandas import DataFrameMapper
from sklearn.preprocessing import StandardScaler
mapper = DataFrameMapper([
(['x',&
浏览 0提问于2018-05-14得票数 1
回答已采纳
我读到sklearn中的内置集成方法使用决策树作为基本分类器。是否可以使用自定义分类器来代替？
浏览 3提问于2012-05-09得票数 7
回答已采纳
1回答
我有这个密码。我可以通过使用svm_clf将'pca‘和’joblib.dump‘保存到一个文件中吗？如果没有，还有其他方法吗？
from sklearn.svm import SVC
from sklearn.externals import joblib
from sklearn import decomposition
from sklearn import svm
X = [[1,3,4,5,6,7,8,7,0],[1,3,4,5,6,7,9,5,1]]
Y = [1,0]
#pca
pca = decomposition.PCA(0.98)
X_new = pca.fit_
浏览 0提问于2019-05-26得票数 0
回答已采纳
我正在实现简单的Scikit-Learn Pipeline来在Google Cloud ML引擎中执行LatentDirichletAllocation。目标是从新数据中预测主题。下面是生成管道的代码：
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation
from sklearn.model_selection import train_test_split
from sklearn.pipeline imp
浏览 28提问于2018-07-23得票数 3
我正在做一个小项目，在那里我试图应用“合成少数群体过度抽样技术”，在那里我的数据是不平衡的。
我为SMOTE函数创建了一个自定义的transformerMixin。
class smote(BaseEstimator, TransformerMixin):
def fit(self, X, y=None):
print(X.shape, ' ', type(X)) # (57, 28) <class 'numpy.ndarray'>
print(len(y), ' ', type)
浏览 0提问于2018-04-11得票数 5
回答已采纳
1回答
Sklearn的无效参数
、、、
我的网格中的每一行都有ValueError: Invalid parameter...。
我试过逐行删除每个网格选项，直到网格为空。我从pipeline.get_params()复制并粘贴了参数的名称，以确保它们没有排印。
from sklearn.model_selection import train_test_split
x_in, x_out, y_in, y_out = train_test_split(X, Y, test_size=0.2, stratify=Y)
from sklearn.feature_extraction.text import TfidfVectoriz
浏览 0提问于2019-09-15得票数 1
回答已采纳
我正在尝试进行特征选择，并使用RFECV和LogisticRegression。为此，我需要缩放数据，因为否则回归将不会收敛。然而，我认为如果我首先缩放完整的数据，它将是有偏见的(基本上数据正在泄漏到测试集)。 这是我到目前为止的代码： from sklearn.feature_selection import RFECV
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import StratifiedKFold
from sklearn.preprocessing impor
浏览 63提问于2021-04-27得票数 1
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
实时音视频活动推荐
腾讯云开发者
