如何在sklearn中禁用GLMs (PoissonRegressor)的正则化？
在sklearn中禁用GLMs（PoissonRegressor）的正则化，可以通过设置正则化参数（alpha）为0来实现。正则化是一种用于控制模型复杂度的技术，它通过在损失函数中添加正则化项来惩罚模型的复杂度，从而防止过拟合。在PoissonRegressor中，默认情况下是启用正则化的。
要禁用正则化，可以在创建PoissonRegressor对象时，将alpha参数设置为0。例如：
from sklearn.linear_model import PoissonRegressor
# 创建PoissonRegressor对象，并禁用正则化
regressor = PoissonRegressor(alpha=0)这样设置后，模型将不再应用正则化，可以更好地拟合训练数据。请注意，禁用正则化可能会增加模型的过拟合风险，因此在使用时需要谨慎评估模型的性能。
PoissonRegressor是sklearn中的一个广义线性模型（GLM），适用于泊松回归问题。它的优势在于能够处理计数数据，例如在计量经济学、生态学和医学研究中常见的计数型响应变量。PoissonRegressor可以用于预测计数型响应变量的概率分布。
推荐的腾讯云相关产品是腾讯云机器学习平台（Tencent Machine Learning Platform，TMLP）。TMLP是腾讯云提供的一站式机器学习平台，提供了丰富的机器学习算法和工具，可以帮助开发者快速构建和部署机器学习模型。您可以通过TMLP来训练和部署使用sklearn中的PoissonRegressor模型。
更多关于腾讯云机器学习平台的信息和产品介绍，您可以访问以下链接地址： Tencent Machine Learning Platform
请注意，以上答案仅供参考，具体的技术实现和产品选择应根据实际需求和情况进行评估和决策。
相关·内容
sklearn中的Logistic回归类带有L1和L2正则化。如何关闭正则化以获得像Matlab中的glmfit那样的“原始”逻辑拟合？我想我可以设置C=大数字，但我不认为这是明智的。
有关详细信息，请参阅documentation
浏览 8提问于2014-08-21得票数 21
我使用scikit-learn的LogisticRegression分类器(多项/多类)训练了一个模型。然后，我将系数从模型保存到文件中。接下来，我将系数加载到我自己的softmax的自实现中，这就是Logistic回归分类器在多项式情况下使用的声明。然而，预测并不一致。
用scikit训练mlogit模型-学习
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
import json
# Split data into
浏览 3提问于2020-02-28得票数 0
回答已采纳
sklearn中带有l1惩罚的默认alpha是什么？
lmMod = LogisticRegression(penalty='l1')
浏览 2提问于2017-11-14得票数 3
回答已采纳
在logistic回归中使用正则化参数C(见)，使函数的拟合得到很好的定义，避免过拟合或step函数的问题(见)。
然而，logistic回归中的正则化应该只考虑特征的权重，而不是截距(这里还解释了：)。
但似乎sklearn.linear_model.LogisticRegression实际上也规范了拦截。原因如下：
1)仔细考虑上面的链接()：sigmod稍微向左移动，靠近拦截0。
2)尝试用logistic曲线和人工最大似然函数拟合数据点。将截距包含到L2范数中，得到与sklearn函数相同的结果。
请提出两个问题：
1)我是否弄错了，这是一个错误，还是有充分的理由使拦截正规化？
( 2
浏览 7提问于2017-11-02得票数 4
回答已采纳
1回答
以Iris数据为基础，选择基于GridSearchCV函数的最优逻辑模型。
我的工作到目前为止
import numpy as np
from sklearn import datasets
from sklearn.model_selection import GridSearchCV
from sklearn.linear_model import LogisticRegression
iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target
# Logistic regression
reg_log = Log
浏览 4提问于2020-11-08得票数 0
回答已采纳
我正在使用sklearn中的PoissonRegressor函数来拟合模型。然而，即使当我将正则化参数设置为0时，代码似乎也会对我的模型施加一个未被要求的正则化。任何关于如何阻止这种情况的想法都将不胜感激！ 我有一个时变预测器，x，它由一个基集来描述，以生成一个预测矩阵X。我正在使用X来预测(稀疏)计数向量Y。我的代码如下所示： from sklearn.linear_model import PoissonRegressor
PR = PoissonRegressor(alpha = 0.0)
PR.fit(X,Y) 但是，得到的拟合似乎是平滑/正则化的，尽管alpha = 0 (即正则化
浏览 28提问于2020-08-06得票数 0
我正在布尔0/1数据集上进行逻辑回归(预测某一年龄给你一定数量的薪水的概率)，而且我在sklearn和StatsModels上得到了非常不同的结果，那里sklearn是非常错误的。
我已经将sklearn惩罚设置为None，将截取项设置为false，以使函数更类似于StatsModels，但我不知道如何使sklearn给出一个合理的答案。
灰色线是0或1处的原始数据点，我只是在地形图上将1缩小到0.1。
变量：
# X and Y
X = df.age.values.reshape(-1,1)
X_poly = PolynomialFeatures(degree=4).fit_transfor
浏览 6提问于2021-03-27得票数 4
回答已采纳
如果在True中的任何线性模型中，归一化参数被设置为sklearn.linear_model，那么在评分步骤中是否应用了归一化？
例如：
from sklearn import linear_model
from sklearn.datasets import load_boston
a = load_boston()
l = linear_model.ElasticNet(normalize=False)
l.fit(a["data"][:400], a["target"][:400])
print l.score(a["data"][40
浏览 2提问于2015-10-20得票数 9
回答已采纳
作为我的管道的一部分，我想结合SelectFromModel使用LogisticRegression(penalty='l1')进行特征选择。为了选择合适的正则化量，我用GridSearchCV优化了正则化参数C。
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression, LassoCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import
浏览 0提问于2020-06-04得票数 0
代码：
from sklearn.linear_model import LogisticRegression
l = LogisticRegression()
b = l.fit(XT,Y)
print "coeff ",b.coef_
print "intercept ",b.intercept_
这是数据集
XT =
[[23]
[24]
[26]
[21]
[29]
[31]
[27]
[24]
[22]
[23]]
Y = [1 0 1 0 0 1 1 0 1 0]
结果：
coeff [[ 0.00850441]]
浏览 5提问于2017-03-06得票数 2
回答已采纳
在python的sklearn中，有一个用于的C参数(正则化参数)。
现在，我想知道R语言中的等价物是什么？当我在R中做逻辑回归时，我是这样做的：
glm(<outcome> ~ <covariates>, family="binomial")
但是它对C参数使用的是什么呢？C用于正则化，但我在R中找不到任何这样的等价物
以下是我检查过的一些地方：
浏览 0提问于2016-03-18得票数 0
我正在尝试用Python语言为SKLearn管道生成一个带有sklearn2pmml库的PMML文件。此管道仅由CountVectorizer和SVC模型组成。非常简单的管道，但不能将其作为PMML文件输出。 SKLearn管道： Pipeline(memory=None,
steps=[('vect',
CountVectorizer(analyzer='word', binary=False,
decode_error='stric
浏览 328提问于2020-09-26得票数 0
1回答
我有一个玩具数据集，包括一个自变量x和一个因变量y=x。线性回归可以找到正确的截距，0和系数1，但弹性网络总是给出一个非零的截距，通常是系数0。我知道它是正则的，所以它需要更小的系数。但这是一个预期的结果吗？下面是Python/Scikit的代码-学习。
#!/usr/bin/env python
import numpy as np
from sklearn.linear_model import ElasticNet, LinearRegression
X = np.zeros((10, 1))
X[:, 0] = np.random.random(10)
y = X[:, 0]
lr
浏览 3提问于2014-03-30得票数 0
回答已采纳
我通过参加不同的课程来学习数据科学，最近我学到了一些在做线性或logistic回归模型时非常有趣的东西:正则化。
在下面的屏幕截图中，我目前正在做的课程，显示正则化这些模型包括一个额外的因素，在成本函数的公式(我已经用红色圈)。当我们有许多输入特性时，这个因素通过增加成本来帮助解决过度拟合的问题。
📷
现在，在这个过程中，我们自己创建公式和函数，以更好地理解这些模型背后的机制。但是，我希望以后继续使用sklearn中的函数。
我想知道sklearn的LinearRegression()和LogisticRegression()模型在受训时是否包括(或有任何参数使它们包含)正则化。
谢谢大家！
浏览 0提问于2022-08-18得票数 0
回答已采纳
2回答
为了报告原因，我试图从emmeans of a glmer模型中获得自由度，但它们只是显示了Inf。
这是一些样本数据。在实际数据中，没有嵌套结构，这只是我如何构建数据框架的结果：
set.seed(1234)
dat <- data.frame(
dv=c(rnorm(mean=1, sd=0.2, n=12000)),
id=c(rep(c("1", "2", "3"), times=c(4000, 4000, 4000))),
region=c(rep(rep(c("1", "2"),
浏览 24提问于2022-08-30得票数 3
回答已采纳
我对我得到的结果有点失望。我用C=1e80和penalty = 'l1或'l2'创建了两个模型(sklearn.linear_models.LogisticRegression)，然后用sklearn.cross_validation.cross_val_score和cv=3和scoring='roc_auc'测试它们。对我来说，C=1e80应该几乎不会导致正则化，并且AUC应该是相同的。取而代之的是，带有'l2'惩罚的模型给出了更差的AUC值，多次运行给出了相同的结果。这是怎么发生的？
浏览 0提问于2016-02-07得票数 0
有没有办法在sklearn的MLPRegressor中引入L1正则化？目前我只能在文档中找到L2参数。
浏览 0提问于2018-06-27得票数 0
我正在使用一系列sklearn分类器进行一些文本处理。在我在互联网上找到的example中，我注意到分类器的输入是一系列字典条目： ({'my': True, 'first': True, 'visit': True, 'was': True, ...}, 'pos') ({'wowjust': True, 'wow': True, 'who': True, 'would': True,..}, 'pos') 这些项目被传递到分类模型
浏览 6提问于2019-06-03得票数 0
1回答
我尝试使用sklearn和状态模型库进行逻辑回归。他们的结果是接近的，但不一样。例如，sklearn获得的(斜率，截距)对为(-0.84371207，1.43255005)，而由状态模型获得的对为(-0.8501，1.4468)。为什么和如何让它们保持不变？
import pandas as pd
import statsmodels.api as sm
from sklearn import linear_model
# Part I: sklearn logistic
url = "https://github.com/pcsanwald/kaggle-titanic/raw/
浏览 2提问于2021-11-14得票数 1
回答已采纳
我一直致力于构建一个简单的ANN，因为我是一个新手，虽然我不再收到任何错误，但在第一个时期之后，精度跃升到1.0，这表明过度拟合。我确保因变量(y)列不在X和y数组中。 我从另一篇关于stackoverflow的文章中得到了一个热门的编码器类，我觉得我可能没有正确地实现它，这就是问题所在。 我在想，这条线路调用类可能有问题，但不是100%确定。 任何关于如何解决过拟合或改进模型的澄清都将不胜感激。 最后，对于上下文: df (found https://www.kaggle.com/psvishnu/bank-direct-marketing)包含描述银行客户概况的7个独立变量的数据- ei
浏览 15提问于2021-07-31得票数 1
回答已采纳
现在，我需要用L2范数(y=xw，y.shape=5,1，x.shape=5,100K+)求解一个非常大的线性回归。我尝试过sklearn.linear_model.Ridge，但是它太慢(花费超过30分钟)，那么，SKlearn是否有另一个函数来有效地解决一个大的线性回归问题？
浏览 2提问于2020-12-16得票数 1
回答已采纳
对于用SPSS和sklearn的LogisticRegression计算的模型系数，我有点困惑。
对于这两种方法，我都得到了不同的系数和截取。
在Python中，我运行以下代码：
import numpy as np
from sklearn.linear_model import LogisticRegression
vals = [0.01, 0.04, 0.07, 0.08, 0.08, 0.09, 0.10, 0.15, 0.20, 1.85, 1.93, 1.97 ,2.02, 2.09, 2.12, 2.13, 2.21, 2.25]
labels = [0, 0, 0, 0,
浏览 0提问于2021-05-27得票数 0
我尝试使用LinearRegression数据集来训练extended_boston模型：
from mglearn.datasets import load_extended_boston
X, y = load_extended_boston()
from sklearn.linear_model import LinearRegression
linearReg = LinearRegression()
linearReg.fit(X, y)
对于X中的每个特性，LinearRegression给出了相应的系数。
但是，X^TX不是可逆。因此，当我在R中拟合这个线性模型时，程序将自动删
浏览 1提问于2021-07-20得票数 0
在sklearn.linear_model.LogisticRegression中，根据文档有一个参数C
default=1.0逆正则化强度；必须为正浮子。与支持向量机一样，较小的值指定了更强的正则化。
我不明白吗？这是什么意思？当惩罚重物时，是λ乘积吗？
浏览 0提问于2020-08-30得票数 1
我正在试着在sklearn中调优的超参数，想知道l2_regularization的可能值是什么，其余的参数网格看起来像这样-
param_grid = {
'learning_rate': [.1, .12],
'max_iter': [1000, 1200],
'min_samples_leaf': [15, 20],
'max_depth': [None, 10, 20]
}
在这里，.12和1000次迭代的学习率提供了足够好的结果。所以我想知道l2_regularization的值是什么样的
浏览 121提问于2021-06-12得票数 0
回答已采纳
例如，在Python中对我的数据执行以下逻辑回归模型时。。。
### Logistic regression with ridge penalty (L2) ###
from sklearn.linear_model import LogisticRegression
log_reg_l2_sag = LogisticRegression(penalty='l2', solver='sag', n_jobs=-1)
log_reg_l2_sag.fit(xtrain, ytrain)
我并没有指定范围内的岭惩罚值。最优惩罚是用公式显式计算的(如普通最小二乘岭回归
浏览 1提问于2019-08-26得票数 1
回答已采纳
这个问题与有关。
purrr:map是很好的子群分析和/或模型比较。但是，在使用glm时，调用会出现混乱并导致问题，例如，在计算伪R2S时。原因是update不能与丑陋的call一起工作，因此pscl::pR2无法计算基本模型的日志可能性。
pacman::p_load(tidyverse)
#sample data
pacman::p_load(ISLR)
mydata = ISLR::Default
#nest data, students and non-students
Default_nested = Default %>% group_by(student) %>%
浏览 0提问于2019-08-02得票数 2
回答已采纳
我正在使用scikit learn的线性支持向量机(LinearSVC)，我目前正在尝试删除10%的最具预测性的特征，用于在3个类别(积极，消极和中性)上进行情感分析，看看我是否可以在进行领域适应工作时防止过度拟合。有人知道该怎么做吗？提前说一句，谢谢你的帮助。下面是我的代码：
from sklearn import svm
from sklearn.feature_extraction.text import CountVectorizer as cv
# Using linear SVM classifier
clf = svm.LinearSVC()
# Count vectorize
浏览 2提问于2014-08-23得票数 0
1回答
C参数在sklearn.linear_model.LogisticRegression中的含义是什么？它对决策边界有何影响？C的高值是否使决策边界非线性？如果我们可视化决策边界，逻辑回归的过度拟合是什么样子？
浏览 12提问于2021-05-13得票数 12
sklearn的svm LinearSVC使用以下模型：
LinearSVC：1/2||[w b]||^2 + C SUM xi_i
我一直在查看文档，找不到找到这些值的任何方法。特别是w向量，b和c值。LinearSVC类似乎有一个get_params方法，但返回的参数都与分类参数不匹配。
有人有检索这些值的经验吗？甚至可以使用sklearn的LinearSVC吗？
谢谢
浏览 0提问于2018-06-18得票数 0
回答已采纳
我正在进行多类/多标签文本分类。我试着摆脱"ConvergenceWarning“。
当我将max_iter从默认调到4000时，警告就消失了。然而，我的模型精度从78降低到75。
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
logreg = Pipeline([('vect', CountVectorizer()),
('tfidf', TfidfTransformer()),
浏览 1提问于2019-07-18得票数 4
1回答
如何在中使用RFE？
、、、、
我目前使用的是xgb.train(...)，它返回一个助推器，但我想使用RFE来选择最佳的100个特性。返回的助推器不能在RFE中使用，因为它不是sklearn估计器。XGBClassifier是xgboost库中的sklearn api，然而，我无法获得与xgb.train(...)方法相同的结果(roc-auc方法差10%)。我已经尝试过sklearn的助推器，但他们也不能得到类似的结果。我还尝试将xgb.train(...)方法包装在一个类中，以添加sklearn估计器方法，但要更改的方法太多了。有没有什么方法可以把xgb.train(...)和sklearn的RFE一起使用呢？
浏览 2提问于2021-02-22得票数 7
我正在为我的回归模型试验不同的损失函数。我注意到在滑雪板上有：
sklearn.linear_model.HuberRegressor和sklearn.linear_model.ElasticNet
对我来说，两者都使用L1和L2损失的组合。这到底有什么区别？谢谢!
浏览 0提问于2019-09-18得票数 0
1回答
我正在使用Sklearn逻辑回归函数对文本进行二进制分类。
我使用三种不同的输入来完成任务:单词袋，TF-以色列国防军，Doc2vec嵌入.
问题是，对于文字袋，更强的正则化提高了测试集的性能.然而，对于TF和Doc2vec嵌入，更强的正则化并不能提高测试集的性能.实际上，性能降级与更强的正则化。
为什么是这种情况？
浏览 0提问于2020-06-28得票数 0
1回答
我试图使用L1正则化来选择XGBoost分类器中的特性。但是，我没有看到任何关于如何指定l1惩罚的示例代码。
这就是我在sklearn的LogisticRegression中所做的。
C = [10, 1, .1, .001]
for c in C:
clf = LogisticRegression(penalty='l1', C=c)
clf.fit(X_train, y_train)
print('C:', c)
print('Training accuracy:', clf.score(X_train, y
浏览 0提问于2018-04-02得票数 1
1回答
与滑雪板距离算法混淆
、、、
而我想在KNeighborsClassifier中使用标准的欧几里德度量。
knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean' )
knn.fit(newx,y)
“类型错误”显示：
C:\Anaconda3\lib\site-packages\sklearn\neighbors\base.py in fit(self, X, y)
741 X, y = check_X_y(X, y, "csr", multi_output=True)
742
浏览 6提问于2017-05-02得票数 2
回答已采纳
在为示例提供的雪橇_小套间中，需要传递给cross_validating类(如RandomizedSearchCV )的参数空间定义如下。
params_space = {
'c1': scipy.stats.expon(scale=0.5),
'c2': scipy.stats.expon(scale=0.05),
}
在示例中，显示的算法是"lbfgs“。sklearn_crfsuite中支持的其他算法有"l2sgd“、"ap”、"pa“、"arow”。在这些情况下，应该如何定义变量params_spa
浏览 0提问于2017-09-19得票数 2
2回答
我试图用629,145行和24个特性的样本来标准化培训数据：
from sklearn import datasets
import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import StandardScaler
df = pd.read_csv('mydata.csv', dtype=&
浏览 0提问于2019-02-17得票数 4
目前，我正在使用sklearn的Logistic回归函数来处理一个综合的2d问题。数据集如下所示：
我正在基本地将数据插入sklearn的模型中，这就是我所得到的(浅绿色，忽略深绿色)：
这方面的代码只有两行: model = LogisticRegression()；model.fit(tr_data，tr_labels)。我检查了绘图功能，这也很好。我没有使用正规化器(这会影响到它吗？)
在我看来，边界是这样的，我觉得很奇怪。直觉上，我觉得它们应该是对角线的，因为数据(大部分)位于右上、左下，并且从测试中可以看出，一些杂乱的数据点是导致边界以这种方式出现的原因。
例如，
浏览 1提问于2018-04-01得票数 1
回答已采纳
我刚刚生成了一个数据集，从散点图中我认为这些散点是相当可分离的。但我真的不知道为什么线性SVC-sklearn的效果很差。数据集散点图和SVC结果如下： scatter plot Linear SVC result 我使用的代码是这样的 from sklearn.svm import LinearSVC
svc = LinearSVC()
model = svc.fit(X, y) 有人能帮我解决那个问题吗？我真的认为SVM应该有更好的结果。 数据集csv文件位于以下位置：data csv file 前两列分别是x和y，第三列是数据标签。
浏览 17提问于2019-04-30得票数 0
回答已采纳
当使用线性回归？时，必须在成本函数中加入L2正则化。
在计算成本时，Im没有添加l2或考虑到。这样做不对吗？
下面的代码片段应该足够了：
def gradient(self, X, Y, alpha, minibatch_size):
predictions = None
for batch in self.iterate_minibatches(X, Y, minibatch_size, shuffle=True):
x, y = batch
predictions = x.dot(self.theta)
for it i
浏览 1提问于2016-06-17得票数 2
回答已采纳
1回答
我想在sklearn中实现linear_model.Ridge()的LAD版本。这意味着正则化仍然是在L2范数上进行的，但是该模型最小化了绝对偏差的和，而不是误差的平方。意味着我们正在最小化
这有可能吗？
浏览 3提问于2015-10-01得票数 2
回答已采纳
1回答
自动特性选择包- Python
、、、、
我正在处理一个包含977行的二进制分类。班级比例是77:23。我有很多高基数的分类变量和一对数字变量，比如年龄和数量。
我想知道python中的一些自动特性选择包是什么。基本上，作为一名数据科学家，了解这个包列表将有助于我高效地完成任务。
我偶然发现了下面
( a) Featurewiz 这里
( b) sklearn.feature_selection
( c) Xverse 这里
( d) SHAP-超调这里
我相信还有更多的软件包可以添加到这个列表中，而且我不知道。
您能帮我列出python中的其他自动功能选择包吗？
浏览 0提问于2022-02-21得票数 3
回答已采纳
我想在现有的基于Matlab的应用程序中使用来自第三方的一些套索回归python代码，尽管我在找出最等价的Matlab函数时遇到了麻烦。我在回归模型方面也没有足够强的背景，无法知道如何检查奇偶性。
目标是使'z_ref‘信号( 1D pandas数据帧)适合于'z_signal’信号(相同的尺寸/大小)。
下面是我想要转换的原始python代码：
from sklearn.linear_model import Lasso
lin = Lasso(alpha=0.0001,precompute=True,max_iter=1000,
positive=T
浏览 2提问于2019-11-06得票数 0
2回答
我试图用mlflow保存一个sklearn机器学习模型，它是一个包含我定义的自定义转换器的管道，并将它加载到另一个项目中。我的自定义转换器继承自BaseEstimator和TransformerMixin。
假设我有两个项目：
train_project:它在src.ml.transformers.py中有定制的变压器
use_project:它在src中有其他东西，或者根本没有src目录。
所以在我的train_project里：
mlflow.sklearn.log_model(preprocess_pipe, 'model/preprocess_pipe'
浏览 17提问于2020-03-04得票数 8
我有202×500矩阵，包含500个人中200个变量的数据(data1.txt)。Y是二进制数据(0=control，1=大小写)
case y x_1 x_2 X_3 x_4・・・・x_200
1 1
2 0
3 1
4 0
500 0
我想用R. y~X_，data=sample，family=binomial(=1··200)对X_200(只有一个变量，没有协变量)进行logistic回归，有什么简单的方法可以不使用for循环来运行这个分析？
浏览 1提问于2018-04-23得票数 0
我正在研究一个问题来预测电影产生的收入。我正在使用sklearn的多项式核的支持向量回归算法。我尝试使用正则化参数的默认值来找到给出最佳精度的度数。但是，我得到了7位数字范围内的误差百分比。因此，我决定通过调整正则化参数来增加方差。
那么，我应该首先假设一个次数，然后找出给出最佳结果的正则化参数，还是反之亦然？
或者还有其他我应该考虑的事情吗？
浏览 0提问于2020-03-11得票数 0
有人知道贝叶斯岭回归和ARDR之间的区别吗？更准确地说，在sklearn的这两个函数之间：
linear_model.BayesianRidge()
linear_model.ARDRegression()
当我回顾背后的理论时，两者都使用了λ和权重，ARDRegression的定义是:使用贝叶斯岭回归拟合回归模型。
但我仍然不明白有什么不同，因为两个模型都使用权重和λ来确定回归模型。有人能更直观地解释这一点吗？
浏览 18提问于2020-05-18得票数 3
1回答
我一定是做了什么简单的错事，但我想不出来。
from sklearn import svm
clf = svm.SVC(kernel='linear')
y = [False, True, True]
X = [[1.0], [2.0], [3.0]]
clf.fit(X, y)
clf.predict(1.4)
Out[324]: array([False], dtype=bool)
行为如预期..。但是..。
X = [[0.1], [0.2], [0.3]]
clf.fit(X, y)
clf.predict(0.14)
Out[325]: array([True],
浏览 5提问于2017-04-12得票数 1
回答已采纳
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
