Tag: scikit-learn

Ich versuche momentan zu klassifizieren text. Meine Datenmenge ist zu groß und so schlug hier, ich brauche für die Verwendung einer sparse matrix. Meine Frage ist jetzt, was ist der richtige Weg, um ein element hinzuzufügen, um

Bin mit Random Forest mit scikit lernen. RF overfits die Daten und Vorhersage-Ergebnisse sind schlecht. Den overfit hängt NICHT von den Parametern der RF: NBtree, Depth_Tree Overfit geschieht mit vielen verschiedenen Parametern (Getestet über grid_search). Abhilfe zu

Ich bin Herumspielen mit einigen Daten aus einer Kaggle-Wettbewerb auf text_analysis, und ich bekomme immer diese eher seltsame Fehler schon im Titel beschrieben, wenn ich versuche, passen zu meinem Algorithmus. Ich sah es, und es hatte etwas

Ich versuche zu erkennen, die Ausreißer zu meinen Daten und ich finde die sklearn ist Isolierung Wald. Ich kann nicht verstehen, wie mit ihm zu arbeiten. Ich passe meine Trainings-Daten und es gibt mir wieder einen Vektor

Ich sah, dass mit sklearn wir können einige vordefinierte datasets, zum Beispiel mydataset = datasets.load_digits() die wir bekommen können ein array (ein numpy-array?) der Datensatz mydataset.data und ein array mit den entsprechenden Etiketten mydataset.target. Aber ich möchte

Ich versuche, führen Sie Funktion " Auswahl durch die Auswertung meiner regressions-Koeffizient-Ausgänge, und wählen Sie die Funktionen mit der höchsten Ausmaß-Koeffizienten. Das problem ist, ich weiß nicht, wie man die jeweiligen Funktionen, als nur die Koeffizienten sind

Mache ich eine multiclass text Einstufung in Scikit-Learn. Das dataset ist ausgebildet, mit dem Multinomial Naive Bayes-Klassifikator, dass Hunderte von Etiketten. Hier ist ein Auszug aus dem Scikit Lernen, Skript für die Montage des MNB-Modell from __future__

ich habe eine csv-Datei und hat v3 Spalte, aber diese Spalte hat einige 'nan' Zeilen. Wie kann ich mit Ausnahme der Zeilen. dataset = pd.read_csv('mypath') enc = LabelEncoder() enc.fit(dataset['v3']) print('fitting') dataset['v3'] = enc.transform(dataset['v3']) print('transforming') print(dataset['v3']) print('end') Edit:

Ich bin mit eine Logistische regression mit einem tf-idf-Wesen lief auf eine text-Spalte. Dies ist die einzige Spalte, die ich in meiner logistischen regression. Wie kann ich überprüfen, ob die Parameter für diese abgestimmt sind, so gut

Habe ich die RandomForestClassifier in sklearn für die Bestimmung der wichtigsten Funktionen in meinem dataset. Wie bin ich in der Lage, zurückzukehren, die eigentliche feature-Namen (meine Variablen sind mit x1, x2, x3, etc.) eher als relative Namen

#training the model model_1_features = ['sqft_living', 'bathrooms', 'bedrooms', 'lat', 'long'] model_2_features = model_1_features + ['bed_bath_rooms'] model_3_features = model_2_features + ['bedrooms_squared', 'log_sqft_living', 'lat_plus_long'] model_1 = linear_model.LinearRegression() model_1.fit(train_data[model_1_features], train_data['price']) model_2 = linear_model.LinearRegression() model_2.fit(train_data[model_2_features], train_data['price']) model_3 = linear_model.LinearRegression() model_3.fit(train_data[model_3_features], train_data['price'])

Anfänger hier. Ich versuche zu verwenden sklearn im pycharm. Beim importieren sklearn bekomme ich eine Fehlermeldung, die lautet: "Import error: No module named sklearn" Das Projekt Dolmetscher in pycharm eingestellt ist 2.7.10 (/anaconda/bin/python.app), das sollte die richtige

Ich würde gerne ein 2d-plot Graphen mit der x-Achse als Begriff-und y-Achse als TFIDF-score (oder Dokument-id) für meine Liste von Sätzen. Ich verwendet scikit lernen ist fit_transform (), um die scipy-matrix, aber ich weiß nicht, wie Sie

In der Dokumentation für den chi-Quadrat-univariate Funktion Auswahl der Funktion scikit-learn http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.chi2.html, heißt es Diese Kerbe kann benutzt werden, um wählen Sie die n_features features mit die höchsten Werte für das χ2 (chi-Quadrat) Statistik von X, die

Ich bin nicht in der Lage zu verstehen, die Seite der StandardScaler in der Dokumentation von sklearn. Kann mir jemand erklären, dies für mich in einfachen Worten? könnten Sie bitte akzeptieren jemand die Antwort, wenn Ihre Frage

Ich verwenden möchte, scikit-learn. Ich habe eingegeben pip install -U scikit-learn pip3 install sklearn um es zu installieren; aber wenn ich $ Python >>> import sklearn gibt es ImportError: No module named sklearn Folgte ich andere tutorials,

Meine Daten bestehen aus einem mix aus kontinuierlichen und kategorischen Eigenschaften. Unten ist ein kleines snippet, wie meine Daten Aussehen in das csv-format (Betrachten Sie es als Daten, die durch ein super-store-Kette, betreibt Filialen in verschiedenen Städten)

R^2-Wert zurückgegeben scikit lernen (metrics.r2_score()) kann negativ sein. Die docs sagen: "Im Gegensatz zu den meisten anderen erzielt, R2-score negativ werden kann (es müssen nicht eigentlich ist das Quadrat einer Menge R)." Jedoch die wikipedia-Artikel auf R^2

Ich versuche, fügen Sie Wortstamm zu meiner pipeline in NLP mit sklearn. from nltk.stem.snowball import FrenchStemmer stop = stopwords.words('french') stemmer = FrenchStemmer() class StemmedCountVectorizer(CountVectorizer): def __init__(self, stemmer): super(StemmedCountVectorizer, self).__init__() self.stemmer = stemmer def build_analyzer(self): analyzer = super(StemmedCountVectorizer,

Ich bin mit label-encoder zum konvertieren von kategorischen Daten in numerische Werte. Wie funktioniert LabelEncoder behandelt fehlende Werte? from sklearn.preprocessing import LabelEncoder import pandas as pd import numpy as np a = pd.DataFrame(['A','B','C',np.nan,'D','A']) le = LabelEncoder() le.fit_transform(a)

Ich habe einen Datensatz, der wie folgt aussieht 1908 January 5.0 -1.4 1908 February 7.3 1.9 1908 March 6.2 0.3 1908 April NaN 2.1 1908 May NaN 7.7 1908 June 17.7 8.7 1908 July NaN 11.0 1908

Ich versuche zu gelten SVM von Scikit lernen zu klassifizieren, die tweets, die ich gesammelt. Also, es gibt zwei Kategorien, nennen Sie A und B. Jetzt habe ich alle tweets kategorisiert in zwei text-Datei', 'A.txt' und 'B.txt'.

Als der Titel besagt: ein countvectorizer das gleiche wie tfidfvectorizer mit use_idf=false ? Wenn nicht, warum nicht ? So bedeutet das auch, dass das hinzufügen der tfidftransformer hier überflüssig ist ? vect = CountVectorizer(min_df=1) tweets_vector = vect.fit_transform(corpus)

Ich habe ein dataset (dataTrain.csv & dataTest.csv).csv-Datei mit diesem format: Temperature(K),Pressure(ATM),CompressibilityFactor(Z) 273.1,24.675,0.806677258 313.1,24.675,0.888394713 ...,...,... Bauen regression-Modell und die Vorhersage mit diesem code: import pandas as pd from sklearn import linear_model dataTrain = pd.read_csv("dataTrain.csv") dataTest = pd.read_csv("dataTest.csv") #

Was ist das python äquivalent R die NA? Um genauer zu sein: R NaN, NA, NULL, - Inf und -Inf. NA ist in der Regel verwendet, wenn Daten fehlende. Was ist das python äquivalent? Wie Bibliotheken wie