sklearn.model_selection.permutation_test_score计算的r2评分与sklearn.metrics.r2_score评分之间存在明显的不匹配。由permutation_test_score计算的数据似乎不正确；请参见下面的内容：
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from sklearn.model_selection import permutation_test_score
浏览 2提问于2017-04-13得票数 1
1回答
交叉验证的实现
、、
我很困惑，因为很多人都有自己的方法来应用交叉验证。例如，有些应用于整个数据集，而有些则应用于培训集。
我的问题是，下面的代码是否适合于在应用Cross-validation的同时实现交叉验证并从这样的模型进行预测？
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import KFold
model= GradientBoostingClassifier(n_estimators= 10,max_depth = 10, random_state = 0)#sepcifyi
浏览 2提问于2020-02-14得票数 0
我试图通过在Knearistneighbors上测试来学习gridsearchCV的工作原理。当我指定n_neighbors =9时，我的分类器给出的分数是0.9122807017543859
但是，当我在列表中使用gridsearchCV并将其设置为n_neighbors = 9时，我得到了0.8947368421052632分。
可能的原因是什么？任何努力都是值得欣赏的。这是我的代码
from sklearn import datasets
import pandas as pd
import numpy as np
from sklearn.model_selection import
浏览 11提问于2020-02-07得票数 3
回答已采纳
1回答
我正在寻找最简单的方法来教我的学生如何执行10CV，用于sklearn中的标准分类器，如decision回归、knnm、决策树、adaboost、svm等。
我希望有一种方法可以为它们创建折叠，而不是像下面这样循环：
from sklearn.linear_model import LogisticRegressionCV
from sklearn.model_selection import train_test_split
from sklearn.model_selection import StratifiedShuffleSplit
from sklearn.metrics impo
浏览 0提问于2020-10-01得票数 0
1回答
我有一个监督学习分类问题。我有4个数字类标签(0，1，2，3)，我有大约100次试验38个不同的特性作为输入。
将这些数据输入Python和Matlab中的SVC分类器(特别是分类法Learner App)，并匹配超参数(C = 1，type =二次支持向量机，多类_方法= onevsone，标准化数据，无PCA)之后，所给出的精度差别很大：
Matlab = 86.7 %
Python = 45.0 %
有没有人遇到过这种情况，或者有什么其他的想法，我可以做什么，以知道哪一个是正确的？
Matlab输入：
Python输入：
import numpy as np
f
浏览 0提问于2018-04-19得票数 1
scikit学习具有两个逻辑回归函数：
sklearn.linear_model.LogisticRegression
sklearn.linear_model.LogisticRegressionCV
我只是好奇第二份简历代表什么。我在ML中唯一知道的与"CV“匹配的缩略语是交叉验证，但我猜不是这样，因为这将在带有包装器函数的scikit中实现，而不是逻辑回归函数本身的一部分(我认为)。
浏览 19提问于2017-09-30得票数 25
回答已采纳
我正在尝试使用scikit的GridSearch来为Lasso找到最好的alpha，而我希望它迭代的参数之一是交叉验证分割。所以，我在做：
# X_train := Pandas Dataframe with no index (auto numbered index) and 62064 rows
# y_train := Pandas 1-column Dataframe with no index (auto numbered index) and 62064 rows
from sklearn import linear_model as lm
from sklearn import
浏览 1提问于2016-09-12得票数 0
我试图运行一个用于隔离语音识别的python3代码，在那里我得到了一个DeprecationWarning，用于使用：
from sklearn.cross_validation import StratifiedShuffleSplit
为了删除这个警告，我只是从sklearn.model_selection而不是sklearn.cross_validation导入了sklearn.cross_validation，在运行代码之后，我得到了：
TypeError：'StratifiedShuffleSplit‘对象不可迭代
也许是因为
class sklearn.cross_
浏览 0提问于2019-03-24得票数 1
回答已采纳
我想在RandomForestClassifier中执行GridSearchCV，但是数据不平衡，所以我使用StratifiedKFold：
from sklearn.model_selection import StratifiedKFold
from sklearn.grid_search import GridSearchCV
from sklearn.ensemble import RandomForestClassifier
param_grid = {'n_estimators':[10, 30, 100, 300], "max_depth": [
浏览 2提问于2016-10-26得票数 9
为什么sklearn的RidgeCV没有n_jobs作为一个论点？LassoCV和LogisticRegressionCV都把它作为一个论点。
浏览 4提问于2021-01-25得票数 2
回答已采纳
在使用python3.6和scikitlearn 0.18时，我遇到了一个问题
我使用随机森林进行回归，回归效果很好，但当我试图计算交叉验证时，我遇到了一个问题，即从cross_val_score和train_test_split得到的分数确实不同。train_test_split总分为0.9分，而cross_val_score总分均值约为0.3分。
你能告诉我原因吗？或者我的代码中有什么错误？
代码是
import numpy as np
import cv2
import itertools
from sklearn.tree import DecisionTreeRegressor
浏览 15提问于2017-01-26得票数 0
Sklearn的LogisticRegression模型拒绝并行运行。我设置了n_jobs=-1，并且尝试了n_jobs=4。没有运气--只有一个核心在使用。我已经并行运行了其他的滑雪板模型，例如RandomForestClassifier和XGBoostClassifier。
我在Ubuntu14.04上使用sklearn 0.18运行Python2.7.12。
其他人也问了同样的问题(例如)，到目前为止还没有收到任何有希望的答复。我希望我的运气会更好。
浏览 1提问于2016-10-11得票数 4
回答已采纳
我最近从sklearn上试用了StackingClassifier和StackingRegressor，但是我注意到它总是非常慢，而且使用我的cpu效率很低。假设(就为了这个例子)，我想使用StackingClassifier来堆叠随机林和lightgbm，也使用lightgbm作为最终分类器。在这种情况下，我希望运行StackingClassifier所需的时间大致等于运行单个随机森林所需的时间+运行两个单独的lightgbm +一些小的边距的时间(因此，主要是各部分的和+训练StackingClassifier本身的时间+小范围)，但是在实践中，它似乎需要几倍的时间。示例：
import
浏览 15提问于2022-07-17得票数 1
考虑一下这段代码：
import pandas as pd
df = pd.read_csv('module_5_auto.csv')
df = df._get_numeric_data()
y_data = df['price']
x_data = df.drop('price',axis=1)
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x_data, y_data,
浏览 3提问于2021-08-07得票数 1
1回答
因此，我必须建立一个回归模型，根据11个输入来预测葡萄酒的质量。目前，我正在评估各种算法的均方误差、平均绝对误差和R2分数。我想要决定使用哪种算法，但在此之前，我想确保我的数据没有过拟合/欠拟合。下面是我使用的数据集的链接(虽然略有不同，但数据完全相同)以及我的整个代码。 任何帮助都是非常感谢的！ 数据：https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/ 另外，我从https://www.kaggle.com/jhansia/regression-models-analysis-on-the-wine
浏览 16提问于2019-09-09得票数 3
1回答
我想使用scikit学习用X来预测变量y。我想使用交叉验证在训练数据集上训练分类器，然后将这个分类器应用到一个看不见的测试数据集(如中)。
from sklearn import datasets
from sklearn.model_selection import cross_validate
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
# Import dataset
X, y = datasets.load_iris(return_X_y=True)
# Creat
浏览 2提问于2022-09-09得票数 0
回答已采纳
我试图了解sklearn交叉验证和评分是如何工作的，并观察到一些奇怪的行为。
我实例化了一个分类器，然后对它进行了4次交叉验证，在90%的准确率+- 0.5%的范围内得到了4分。
然后在所有的训练数据上重新定义模型，并在测试数据上进行评分。我也在这里的训练数据代码中打分，只是为了证明一点。
在将数据拆分为测试集和训练集之后，我运行此代码。
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import make_scorer, balanced_accuracy_score
gbc = G
浏览 1提问于2019-04-24得票数 5
1回答
我想交叉验证我的高斯混合模型。目前，我使用sklearn的cross_validation方法如下所示。
clf = GaussianMixture(n_components=len(np.unique(y)), covariance_type='full')
cv_ortho = cross_validate(clf, parameters_train, y, cv=10, n_jobs=-1, scoring=scorer)
我看到cross_validation正在用y_train训练我的分类器，使它成为一个监督分类器。
try:
if y_train is No
浏览 5提问于2020-02-13得票数 1
回答已采纳
如果我排除了我的自定义转换器，GridSearchCV运行的很好，但是它会出错。这里有一个假数据集：
import pandas
import numpy
from sklearn_pandas import DataFrameMapper
from sklearn_pandas import cross_val_score
from sklearn.pipeline import Pipeline
from sklearn.grid_search import GridSearchCV
from sklearn.base import TransformerMixin
from sklear
浏览 4提问于2015-06-22得票数 6
回答已采纳
1回答
我在一个预测模型上运行了一个GridSearchCV，评分设置为精确。X和Y是测试分片。
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-3, 1e-4],
'C': [10, 100,
浏览 0提问于2019-05-26得票数 1
我想对不同的机器学习模式做一个公平的比较。但是，我发现岭回归模型将自动使用多个处理器，并且没有参数可以限制已使用处理器的数量(如n_jobs)。有什么办法解决这个问题吗？
一个最小的例子是：
from sklearn.datasets import make_regression
from sklearn.linear_model import RidgeCV
features, target = make_regression(n_samples=10000, n_features=1000)
r = RidgeCV()
r.fit(features, target)
print(r.sc
浏览 0提问于2020-12-20得票数 2
回答已采纳
sklearn.model_selection.GridSearchCV的医生说
由搜索选择的估计量，即给出的数据上的最高分数(或最小损失)的估计量。如果是refit=False，则不可用。
..。
所选择的参数是那些最大限度地提高了剩馀数据的得分的参数，除非传递显式得分，否则将使用它。
的人也是 。
什么是“遗漏的数据”？它是否是交叉验证的一部分，例如，数据集的1/10？
数据是如何被sklearn.model_selection.GridSearchCV遗漏的
浏览 0提问于2019-08-28得票数 0
回答已采纳
1回答
使用10倍的度量的平均值
、、、
我正在进行10k的交叉验证，我想对这些指标进行平均化，但我不会用sklearn来获得它。我就是这样做的，而且这些指标都是通过折叠打印出来的。
from sklearn.model_selection import KFold
from sklearn.metrics import accuracy_score, precision_score, f1_score, recall_score
from sklearn.metrics import precision_recall_fscore_support as score
k = 10
kf = KFold(n_splits=k, r
浏览 0提问于2021-12-29得票数 1
因此，我很难理解为什么，作为一种常见的做法，对模型进行交叉验证的步骤还没有经过训练。我所说的一个例子可以在中找到。下面粘贴了一段代码：
from numpy import mean
from numpy import std
from sklearn.datasets import make_classification
from sklearn.model_selection import RepeatedKFold
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import Log
浏览 0提问于2021-11-27得票数 1
回答已采纳
2回答
我使用带有RFECV的不平衡数据集(54:38:7%)进行如下特征选择：
# making a multi logloss metric
from sklearn.metrics import log_loss, make_scorer
log_loss_rfe = make_scorer(score_func=log_loss, greater_is_better=False)
# initiating Light GBM classifier
lgb_rfe = LGBMClassifier(objective='multiclass', learning_rate=0.
浏览 6提问于2021-02-27得票数 2
我正在浏览validation_curve的sci学习文档，并看到它返回了两组不同的数据：
返回
train_scores:训练集上的形状数组(n_ticks，n_cv_folds)分数。
test_scores:形状数组(n_ticks，n_cv_folds)在测试集上得分。
在给定的函数中，我们只传递一个X和y数组，它如何从传递的训练数据中计算test_scores，它是否执行固有的train_test_split？
sklearn.model_selection.validation_curve(estimator, X, y, *,
param_name, param_ran
浏览 6提问于2020-10-18得票数 0
1回答
我有一个高度不平衡的数据集，我想执行二进制分类。 在阅读一些帖子时，我发现sklearn为不平衡数据集提供了class_weight="balanced"。所以，我的分类器代码如下。 clf=RandomForestClassifier(random_state = 42, class_weight="balanced") 然后，我使用上面的分类器进行了10折交叉验证，如下所示。 k_fold = KFold(n_splits=10, shuffle=True, random_state=42)
new_scores = cross_val_score(clf
浏览 30提问于2019-03-31得票数 5
回答已采纳
2回答
我试图为葡萄酒质量数据集的递归特征选择绘制简历评分。我搞不懂为什么我的阴谋被分成5行.我的期望是，它将是1行显示的变化，在简历分数的一些选择的特点。
rfe.grid_scores_列出了一个列表.我不知道它为什么要这么做。所有我见过的绘制grid_scores的例子，都显示了一个没有索引的列表.
dataset_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv'
df = pd.read_csv(dataset_url)
from
浏览 18提问于2022-10-28得票数 0
回答已采纳
1回答
我有一个大约10,000条推文的样本，我想将其分类为“相关”和“不相关”两个类别。我正在使用Python的scikit-为这个模型学习。我手动编码1000条推文为“相关”或“不相关”。然后，以80%的人工编码数据作为训练数据，其余作为测试数据，运行支持向量机模型。我获得了很好的结果(预测精度~0.90)，但为了避免过度拟合，我决定对所有1000个手工编码的tweet进行交叉验证。
下面是我的代码，在我的样本中已经获得tf矩阵的tweet之后。"target“是一个数组，列出了tweet是否被标记为”相关“或”不相关“。
from sklearn.linear_model import
浏览 15提问于2017-01-23得票数 2
回答已采纳
1回答
我有一个问题，我试着构建我自己的分类器，它是完成的，它工作得很好，但当我尝试使用交叉验证分数时，我得到了一个错误：
File "/home/webinterpret/workspace/nlp/wi-item-attribute-extraction/attr_extractor.py", line 95, in fit
print self.fitted_models[attr][len(self.fitted_models[attr]) - 1].cross_validation_score(x_train, y_train, 5, 0.2)
File &#
浏览 3提问于2015-08-05得票数 1
我是在训练和预测相同的数据集，但我想执行10倍交叉验证和预测左外折叠，从而预测整个数据集。我该怎么做？
我所使用的图书馆如下：
from sklearn import cross_validation
import xgboost as xgb
浏览 0提问于2015-08-20得票数 7
我一直无法找到任何教程、指南或示例代码来执行数据集拆分和平衡，以作为sklearn管道的一部分。这个是可能的吗？
我有这样的事情：
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
### can this be part of the pipeline?
浏览 1提问于2021-08-12得票数 0
回答已采纳
我在用：
sklearn.cross_validation.cross_val_score
进行交叉验证，并获得每次运行的结果。
这个函数的输出就是分数。
是否有一种方法来获取在cross_val_score函数中内部分区的折叠(分区)本身？
浏览 8提问于2014-07-08得票数 1
回答已采纳
1回答
我正在探索为我的模型最好使用的功能的数量。我知道，重复的分层K折叠需要1D数组输出，而我试图评估具有多个输出的输出的功能数量。是否有一种方法可以使用多重输出的重复分层K折叠？还是有别的办法来完成我所需要的？
from sklearn import datasets
from numpy import mean, std
from sklearn.datasets import make_classification
from sklearn.model_selection import cross_val_score, RepeatedStratifiedKFold, KFold
from s
浏览 8提问于2022-08-08得票数 0
我经常使用sklearn GridsearchCV来调优超参数，但是我想知道在创建折叠之前，我给它的数据集是否会被打乱。我希望它不会被打乱，但我找不到它是否在文档中。像train_test_split这样的东西有一个布尔值可以混洗或不混洗。
浏览 26提问于2020-07-23得票数 0
回答已采纳
在经度、纬度和房价(房屋)的数据集中，我使用sklearn的KNearestRegressor来获得每个点的5个最近的邻居的平均价格。问题是，我想对整个数据集这样做，每个点都考虑到自己的价格，因为KNearestRegressor是一个有监督的算法，我正在预测训练集。我如何才能得到每个点的5个最近邻的平均价格，而不考虑这一点的价格呢？
我尝试过sklearn的无监督NearestNeighbours，但它只输出最近邻居的索引，而不是平均价格。
浏览 0提问于2018-05-12得票数 0
这是我的第一个StackOverflow问题，我需要帮助！我已经用尽我自己和通过实验寻找答案，但我希望来自社区的人能提供帮助。
这是我在联合国大学的论文的工作，所以任何帮助都将是非常感谢的。
我会尽量尽量总结：
I正在与Scikit合作-学习分类器，并尝试用GridSearchCV对它们进行调优/CV，以便为以后与Keras/Tensorflow的工作形成基线。
我的问题目前与RandomForestClassifier / GridSearchCV.有关
我正在使用大量的数据。Kaggle 的信用卡欺诈数据
数据是不平衡的，所以我使用SMOTE对0类和1类(欺诈)进行过采样，
浏览 4提问于2017-11-16得票数 1
我想使用支持向量机和LeaveOneOut交叉验证(Loocv)。代码如下： from sklearn.svm import SVC
from sklearn.model_selection import LeaveOneOut, train_test_split
import numpy as np
import pandas as pd
iRec = 'KSBPSSM_6_DCT_MIXED_49_937_937_1874_SMOTTMK.csv'
D = pd.read_csv(iRec, header=None) # Using pandas
X = D.ilo
浏览 19提问于2019-03-11得票数 0
给出下面的代码，我试图构建的自定义转换器类--它的目标是通过网格搜索添加几个列和矮小的--本身运行良好，但在通过管道执行时会降低行的维度。也许有人能解释出哪里出了问题，我显然遗漏了一些东西。搜索评论：“这里发生了什么，维度在行中减少了？”在那里我有问题的指纹。执行的完整代码可以在下面找到！
import pandas as pd
import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn import linear_model
from sklearn.base import BaseEsti
浏览 0提问于2018-04-04得票数 1
回答已采纳
这是Python2.7和Pandas 0.17.1中关于scikit学习(版本为0.17.0)的一个问题。为了使用详细的方法拆分原始数据(没有缺少条目)，我发现如果使用拆分数据来处理.fit()，就会出现错误。
以下是与变量重命名的其他堆栈溢出问题基本相同的代码。然后，我实例化了一个网格，并试图对分割的数据进行拟合，以确定最佳分类器参数。错误发生在下面代码的最后一行之后：
import pandas as pd
import numpy as np
# UCI's wine dataset
wine = pd.read_csv("https://s3.amazonaws.com
浏览 1提问于2016-03-14得票数 2
回答已采纳
1回答
在下面的代码中，"greed_search.fit(X，Y)“与嵌套的CV没有任何关系，我的理解正确吗？这意味着无法在sklearn中使用嵌套CV获取最佳参数。
# inner cross_validation
greed_search = GridSearchCV(estimator=estimator, param_grid=parameters, cv=inner_cv, scoring=optimized_for)
greed_search.fit(X, optimization_label)
# Nested CV with parameter
浏览 0提问于2017-08-25得票数 5
2回答
用Scikit进行每倍特征提取
、、、、
对于机器学习实验，我必须进行特征选择。我没有部门在训练和测试集，因为10倍交叉验证。有人告诉我我必须做每一次的特征选择。但我不知道该怎么做。这是我代码的一部分。
vec = DictVectorizer()
X = vec.fit_transform(instances) # No train/ test set, because we'll use 10-fold cross validation
scaler = StandardScaler(with_mean=False)
X_scaled = scaler.fit_transform(X) # To make sure ev
浏览 2提问于2017-07-13得票数 0
回答已采纳
在sklearn的stratify函数中使用train_test_split参数与StratifiedShuffleSplit函数有什么区别？他们不是也这么做吗？
浏览 0提问于2020-04-19得票数 5
回答已采纳
我有一个数据集，我分裂成80%-20%的训练和测试集。在训练集上，我做k折交叉验证，得到准确性的平均值。但是，我不清楚该如何将这个结果应用于我的原始测试集？
#Splitting Training & Test dataset
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)
#Standartisation scaling
from sklearn.p
浏览 7提问于2022-09-29得票数 0
回答已采纳
XGBoost库通过xgboost.cv()拥有自己的交叉验证的实现。看起来，它需要将数据存储为DMatrix。
不用使用xgboost.cv()，我可以使用XGBoost的雪橇与GridSearchCV()、RandomizedGridCV或cross_validate()一起使用sklearn执行交叉验证。如果我使用交叉验证的sklearn实现，我可以使用pandas.DataFrame的S和熟悉的sklearn函数/类。
我有两个问题：
直接使用XGBoost执行交叉验证和使用sklearn进行交叉验证有什么重要的区别吗？xgboost.cv()是否以某种方式优化，而sklearn交叉验
浏览 0提问于2022-12-28得票数 0
作为的后续，我正在尝试交叉验证一堆模型。
手册
首先，我手动执行所有步骤，以确保一切正常工作：
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import
浏览 0提问于2018-12-04得票数 2
回答已采纳
当我从sklearn导入cross_validation时
from sklearn import cross_validation
我得到以下错误：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: cannot import name 'cross_validation' from 'sklearn' (/root/anaconda3/lib/python3.7/site-packages/skle
浏览 2提问于2018-11-28得票数 2
回答已采纳
1回答
所以我把自己搞糊涂了。
目前，我已经获得了大约800个实例的数据集。我将其拆分为训练集和验证集，因为缺少值，所以我使用sklearn中的SimpleImputer，并对训练集进行fit_transform-ed，然后对测试集进行转换。我这样做是因为如果我想预测新的实例，如果有缺失值，那么我需要用我估算测试集的方法来估算它。
现在我想使用交叉验证来训练和评分模型，但这将涉及到使用整个数据集并将其划分为不同的训练集和测试集，因此我担心由于拟合输入值而导致训练集中的泄漏？
浏览 30提问于2018-12-18得票数 3
我需要的是：
应用logistic回归分类器
使用AUC报告每级ROC。
用logistic回归的估计概率来指导我国的建设。
5倍交叉验证的培训您的模型。
为此，我的方法是使用非常好的教程：
从他的想法和方法上，我简单地改变了我获得原始数据的方式：
df = pd.read_csv(
filepath_or_buffer='https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data',
header=None,
sep=','
浏览 0提问于2019-05-02得票数 7
回答已采纳
1回答
我试着在叶子特征的样本上使用Knn。194列有990行。第二列是填充树叶的树名，它将是标签。
from sklearn import model_selection
from sklearn.preprocessing import LabelEncoder
from sklearn import preprocessing
from sklearn import neighbors, metrics
X = data.iloc[:, 2: 194]
y = data.iloc[:,1]
labelencoder = LabelEncoder()
y = labelencoder.fit_
浏览 3提问于2017-12-04得票数 0
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
