scikit-learn es una biblioteca de aprendizaje automático para Python que proporciona herramientas simples y eficientes para el análisis de datos y la minería de datos, con un enfoque en el aprendizaje automático. Es accesible para todos y reutilizable en varios contextos. Está construido sobre NumPy y SciPy. El proyecto es de código abierto y utilizable comercialmente (licencia BSD).
Estoy tratando de usar scikit-learn LabelEncoderpara codificar pandas DataFramede etiquetas de cadena. Como el marco de datos tiene muchas (50+) columnas, quiero evitar crear un LabelEncoderobjeto para cada columna; Prefiero tener un solo LabelEncoderobjeto grande que funcione en todas mis columnas...
Me gustaría tener la norma de una matriz NumPy. Más específicamente, estoy buscando una versión equivalente de esta función def normalize(v): norm = np.linalg.norm(v) if norm == 0: return v return v / norm ¿Hay algo así en skearno numpy? Esta función funciona en una situación donde ves el...
¿Cómo puedo guardar una capacitados Bayes ingenuo clasificador de disco y utilizarlo para predecir datos? Tengo el siguiente programa de muestra del sitio web scikit-learn: from sklearn import datasets iris = datasets.load_iris() from sklearn.naive_bayes import GaussianNB gnb =...
Estoy usando python 2.7 en Ubuntu 14.04. Instalé scikit-learn, numpy y matplotlib con estos comandos: sudo apt-get install build-essential python-dev python-numpy \ python-numpy-dev python-scipy libatlas-dev g++ python-matplotlib \ ipython Pero cuando importo estos paquetes: from...
¿Es posible especificar su propia función de distancia usando scikit-learn K-Means
Sé que podría implementar una función de error cuadrático medio así: def rmse(predictions, targets): return np.sqrt(((predictions - targets) ** 2).mean()) ¿Qué estoy buscando si esta función rmse se implementa en una biblioteca en algún lugar, tal vez en scipy o
¿Puedo extraer las reglas de decisión subyacentes (o 'rutas de decisión') de un árbol entrenado en un árbol de decisión como una lista de texto? Algo como: if A>0.4 then if B<0.2 then if C>0.8 then class='X' Gracias por tu
¿Cómo puedo encontrar el valor p (significancia) de cada coeficiente? lm =
Quiero implementar un algoritmo de aprendizaje automático en scikit learn, pero no entiendo qué hace este parámetro random_state. ¿Por qué debería usarlo? Tampoco pude entender qué es un número pseudoaleatorio.
Tengo este error al intentar cargar un modelo SVM guardado. He intentado desinstalar sklearn, NumPy y SciPy, reinstalando las últimas versiones completamente juntas (usando pip). Todavía recibo este error. ¿Por qué? In [1]: import sklearn; print sklearn.__version__ 0.18.1 In [3]: import numpy;...
Tengo un marco de datos de pandas y deseo dividirlo en 3 conjuntos separados. Sé que usando train_test_split de sklearn.cross_validation, uno puede dividir los datos en dos conjuntos (entrenar y probar). Sin embargo, no pude encontrar ninguna solución para dividir los datos en tres conjuntos....
Tengo un marco de datos de pandas con columnas de tipo mixto, y me gustaría aplicar min_max_scaler de sklearn a algunas de las columnas. Idealmente, me gustaría hacer estas transformaciones en su lugar, pero aún no he encontrado una manera de hacerlo. He escrito el siguiente código que...
Estoy usando sklearn y tengo un problema con la propagación de afinidad. He construido una matriz de entrada y sigo recibiendo el siguiente error. ValueError: Input contains NaN, infinity or a value too large for dtype('float64'). he corrido np.isnan(mat.any()) #and gets
Me di cuenta de que cuando la codificación One Hot se usa en un conjunto de datos particular (una matriz) y se usa como datos de entrenamiento para algoritmos de aprendizaje, proporciona resultados significativamente mejores con respecto a la precisión de la predicción, en comparación con el uso de...
Tengo una tarea de clasificación con una serie temporal como entrada de datos, donde cada atributo (n = 23) representa un punto específico en el tiempo. Además del resultado de clasificación absoluta que me gustaría averiguar, qué atributos / fechas contribuyen al resultado en qué medida. Por lo...
No puedo entender cómo sklearn.pipeline.Pipelinefunciona exactamente. Hay algunas explicaciones en el documento . Por ejemplo, ¿qué quieren decir con: Pipeline de transformaciones con un estimador final. Para aclarar mi pregunta, ¿cuáles son steps? ¿Cómo trabajan? Editar Gracias a las...
Necesito encajar RandomForestRegressordesde sklearn.ensemble. forest = ensemble.RandomForestRegressor(**RF_tuned_parameters) model = forest.fit(train_fold, train_y) yhat = model.predict(test_fold) Este código siempre funcionó hasta que hice algún preprocesamiento de datos ( train_y). El mensaje de...
Recibo el siguiente error al intentar importar desde sklearn: >>> from sklearn import svm Traceback (most recent call last): File "<pyshell#17>", line 1, in <module> from sklearn import svm File "C:\Python27\lib\site-packages\sklearn\__init__.py", line 16, in...
Tengo muchos problemas para entender cómo funciona el class_weightparámetro de Regresión logística de scikit-learn. La situación Quiero usar la regresión logística para hacer una clasificación binaria en un conjunto de datos muy desequilibrado. Las clases están etiquetadas como 0 (negativo) y 1...
En la caja de herramientas sklearn-python, hay dos funciones transformy fit_transformabout sklearn.decomposition.RandomizedPCA. La descripción de dos funciones es la siguiente Pero, ¿cuál es la diferencia entre ellos?