我试图使用shogun工具箱来将中的人归类为溺水或不溺水。
我想用CFIle,LibSVMFile,SparseRealFeatures等.正如中提到的,但我被塞了下来。
首先,在本介绍中,您直接以这种格式加载a LibSVMFile,但是,作者没有提到它们是如何从CSV格式(它是他使用的数据集的原始格式)生成数据文件的.
由于我没有所需格式的数据集,所以我尝试用CFile类加载数据集,或者更好地用CCSVFile类加载数据集,但我得到了
NameError: name 'CFile' is not defined
和
NameError: name 'CCSVFile
我正在尝试通过以下方式聚集超过200k个点:
km = KMeans(n_clusters=5)
km.fit_transform(ends)
但我得到以下错误: km.fit_transform(ends)
所以矩阵的维数是200kX2
File "/Users/fleh/anaconda/lib/python2.7/site-packages/sklearn/cluster/k_means_.py", line 814, in fit_transform
X = self._check_fit_data(X)
...
ValueError: Input co
所以我从一堆不同的文件中读取了很多数据。主要的速度障碍之一是读取数据。问题是,这些文件位于各自的目录中,用于它们的时间步骤,其中包含该时间步骤的每个变量。基本上,我有一些像这样的功能。
def ReadFiles(path,points,directories,variables):
data = {}
for j in range(len(variables)):
data[variables[j]] = np.zeros((len(timeDirs),numPts))
for i in range(len(timeDirs)):
tfi
数据处理功能不起作用。例如,
from dataclasses import dataclass
@dataclass
class Person:
name: str
age: int
p = Person("Jonas", 27)
print(p)
当我试图定义p时,会出现错误消息:
TypeError: Person() takes no arguments
因此,dataclass没有适当地处理__init__函数。dataclasses.py文件位于C:\Users\Jonas\Desktop\Tut_Dataclass\test_env\Lib\s