Scikit-learn-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

liting李

DecisionTreeRegressor重要参数、接口、属性能详细的说明下吗？

重要参数：criterion回归树衡量分枝质量的指标，支持的标准有三种：1 ）输入 "mse" 使用均方误差 mean squared error(MSE) ，父节点和叶子节点之间的均方误差的差额将被用来作为特征选择的标准，这种方法通过使用叶子节点的均值来最小化L2 损失2 ）输入 “friedman_mse” 使用费尔德曼均方误差，这种指标使用弗里德曼针对潜在分枝中的问题改进后的均方误差3 ）输

133.3333

1

0

0

关注作者

收藏

hunter.Z

关于网格搜索模型性能降低的问题

老师，决策树中，利用网格搜索进行了整体调参，为什么调参后的模型在测试集上的得分会降低？而且降低了近10个百分点。模型已经设置了随机数种子。答：这里需要明确两个问题，1、网格搜索的方法获得的最优参数为交叉验证中分数最高的一组参数，对于整体数据不一定适用。2、要想模型能有更好的参数，那就需要保证要搜索的参数网格范围足够的大，因为网格搜索只能找到给定范围内的最优参数组合。当然具体问题具体分析，还需根据代

200.0000

1

0

0

关注作者

收藏

liting李

评分卡中的woe有手写的，之也可以直接调用官方的，这俩有什么区别吗

没啥区别用官方的可以，自己写也可以。反正都简单，如果数据量特别大涉及到并行可能官方的算的快些。

63.1478

1

0

0

关注作者

收藏

liting李

朴素贝叶斯法对于连续和离散属性如何处理？

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。简单来说，朴素贝叶斯分类器假设样本每个特征与其他特征都不相关。

251.8714

3

2

0

关注作者

收藏

fs陈晓亮

使用xgboost模型填补缺失值时报错

fit的时候报错了，报错原因为ValueError: The label must consist of integer labels of form 0, 1, 2, ..., [num_class - 1].请问怎么解决？代码.docxdata.xlsximport pandas as pdimport numpy as npimport matplotlib.pyplot as plt%ma

80.0000

1

9

0

关注作者

收藏

liting李

决策树模型衡量节点不纯度的指标有哪些？

决策树模型衡量节点不纯度的指标有三项，分别是：错分率、Gini指数、熵。

109.0909

1

0

0

关注作者

收藏

读童话的狼

ERROR: Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问

执行升级scikit-learn的命令报错：ERROR: Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问。: 'D:\\fxcx\\python\\Lib\\site-packages\\~klearn\\decomposition\\_cdnmf_fast.cp38-win_amd64.pyd'Co

41.0846

1

0

0

关注作者

收藏

读童话的狼

ImportError: cannot import name ' SequentialFeatureSelector’from ' sklearn. feature_ selection’

将sklearn-learn升级到最新版即可，升级方法见https://www.cda.cn/discuss/post/details/603795369fd3554bc36786e9

41.0846

1

1

0

关注作者

收藏

读童话的狼

ERROR: No matching distribution found for upgrade

命令写错了，多了空格应该是pip install scikit-learn --upgrade

150.0000

2

0

0

关注作者

收藏

读童话的狼

怎么将scikit-learn升级到最新版

在anaconda prompt中执行pip install scikit-learn --upgrade

52.1739

1

0

0

关注作者

收藏

读童话的狼

在进行onehot编码时提示could not convert string to float:

sklearn0.19版本的OneHotEncoder方法要求输入的变量应该是整数的矩阵，无法直接转换字符串，升级一下sklearn版本

70.5576

1

0

0

关注作者

收藏

CDA100823

plot_roc_curve导入错误

想请教一下运行from sklearn.metrics import plot_roc_curve时提示错误ImportError: cannot import name 'plot_roc_curve' from 'sklearn.metrics' (C:\ProgramData\Anaconda3\lib\site-packages\sklearn\metrics\__init__.py)怎么

200.0000

2

3

0

关注作者

收藏

詹惠儿

机器学习聚类的参数n_clusters要分几类才比较好？

问：机器学习聚类的参数n_clusters要分几类才比较好？答：n_ clusters是K-Means中的k,表示着我们告诉模型我们要分几类。这是K Means当中唯一个必填的参数，默认为8类,但通常我们的聚类结果会是一个小于8的结果。通常，在开始聚类之前，我们并不知道n_ clusters究竟是多少，因此我们要对它进行探索。当我们拿到-一个数据集,如果可能的话,我们希望能够通过绘图先观察一下

80.0000

1

0

0

关注作者

收藏

詹惠儿

有哪些方法能降低过拟合的风险？

问：有哪些方法能降低过拟合的风险？答：(1)从数据入手，获得更多的训练数据。使用更多的训练数据是解决过拟合问题最有效的手段，因为更多的样本能够让模型学习到更多更有效的特征，减小噪声的影响。当然，直接增加实验数据一般是很困难的，但是可以通过-定的规则来扩充训练数据。比如，在图像分类的问题上，可以通过图像的平移、旋转、缩放等方式扩充数据;更进一步地，可以使用生成式对抗网络来合成大量的新训练数据。(2)

80.0000

1

0

0

关注作者

收藏

詹惠儿

模型评估中如何实现Holdout 检验？

问：模型评估中如何实现Holdout 检验？答：Holdout检验是最简单也是最直接的验证方法，它将原始的样本集合随机划分成训练集和验证集两部分。比方说，对于一个点击率预测模型，我们把样本按照70% ~ 30%的比例分成两部分，70%的样本用于模型训练; 30%的样本用于模型验证，包括绘制ROC曲线、计算精确率和召回率等指标来评估模型性能。Holdout检验的缺点很明显，即在验证集上计算出来的最

80.0000

1

0

0

关注作者

收藏

liting李

什么情况下(不)需要归一化？

需要：基于参数的模型或基于距离的模型，都是要进行特征的归一化。不需要：基于树的方法是不需要进行特征的归一化，例如随机森林，bagging 和 boosting等。

57.1429

1

0

0

关注作者

收藏

liting李

哑变量与独热编码有什么区别？

本质上差不多，哑变量常用于回归模型，one-hot在任何模型都可以用哑变量在pandas的get_dummy方法，one-hot在sklearn，就是不同的库from sklearn.preprocessing import OneHotEncoder 最常用的编码：应该还是one-hot用的多，pandas机制问题，它需要在内存中把数据集都读入进来，要是数据量大的话，太消耗资源，one-hot可

57.1429

1

0

0

关注作者

收藏

liting李

机器学习中回归与分类最大的差别是什么

首先，分类和回归同属于监督学习需要完成的任务。分类与回归最主要的区别是输出变量的类型：连续变量的预测叫回归，离散变量的预测是分类。回归的主要作用是了解两个或多个变量之间是否相关，相关的方向，相关的强度，并利用数学模型以便观察特定变量来预测研究者感兴趣的变量。分类模型是将回归模型输出离散化，分类和回归模型之间存在重要差异。

57.1429

1

0

0

关注作者

收藏

读童话的狼

Adaboost中的learning_rate参数不明白

最优化的算法是逐次逼近最优值的，每次调整一小步，逐步趋向于最优解。但是每一次更新参数利用多少误差，就需要通过一个参数来控制，这个参数就是学习率,也称为步长,控制每次权重调整的比例，官方解释为Learning rate shrinks the contribution of each classifier by learning_rate

70.5882

1

0

0

关注作者

收藏

liting李

python聚类后如何找到分类后的数据

获取聚类结果中每一类的数据,该数据类型是DataFrame思路：获取clf_KMeans的标签，我这里是聚三类，标签就是0，1，2将Label转成Series类型，再筛选出指定标签的res0，我筛选了1最后在DataFrame里获取Label为1的数据import pandas as pdfrom sklearn.cluster import KMeans 　　# 建立模型。n_cluste

147.7544

2

0

0

关注作者

收藏

CDA考试动态

CDA报考指南