Tengo un pandasmarco de datos y me gustaría poder predecir los valores de la columna A a partir de los valores de las columnas B y C. Aquí hay un ejemplo de juguete: import pandas as pd df = pd.DataFrame({"A": [10,20,30,40,50], "B": [20, 30, 10, 40, 50], "C": [32, 234, 23, 23,...
Estoy trabajando en un problema de análisis de sentimientos, los datos se ven así: label instances 5 1190 4 838 3 239 1 204 2 127 Entonces mis datos no están balanceados ya que 1190 instancesestán etiquetados con 5. Para la clasificación, estoy usando el SVC de scikit . El problema es que...
¿Cómo convierto datos de un objeto Bunch de Scikit-learn a un Pandas DataFrame? from sklearn.datasets import load_iris import pandas as pd data = load_iris() print(type(data)) data1 = pd. # Is there a Pandas method to accomplish
No puedo entender la página de StandardScaleren la documentación de sklearn. ¿Alguien puede explicarme esto en términos simples?
Solo intento hacer una regresión lineal simple, pero este error me desconcierta por: regr = LinearRegression() regr.fit(df2.iloc[1:1000, 5].values, df2.iloc[1:1000, 2].values) que produce: ValueError: Found arrays with inconsistent numbers of samples: [ 1 999] Estas selecciones deben tener...
En el script de shell, estoy verificando si estos paquetes están instalados o no, si no están instalados, instálelos. Entonces, dentro del script de shell: import nltk echo nltk.__version__ pero detiene el script de shell en la importlínea en linux terminal traté de ver de esta manera: which...
¿Alguien puede explicar la diferencia entre RandomForestClassifier y ExtraTreesClassifier en scikit learn? He pasado bastante tiempo leyendo el periódico: P. Geurts, D. Ernst. Y L. Wehenkel, "Árboles extremadamente aleatorios", Machine Learning, 63 (1), 3-42, 2006 Parece que estas son la...
Estoy intentando usar el train_test_splitpaquete scikit Learn, pero tengo problemas con el parámetro stratify. A continuación está el código: from sklearn import cross_validation, datasets X = iris.data[:,:2] y = iris.target cross_validation.train_test_split(X,y,stratify=y) Sin embargo, sigo...
Estoy tratando de usar la train_test_splitfunción y escribir: from sklearn.model_selection import train_test_split y esto causa ImportError: No module named model_selection ¿Por qué? ¿Y cómo superarlo?
Necesito dividir mis datos en un conjunto de entrenamiento (75%) y un conjunto de prueba (25%). Actualmente hago eso con el siguiente código: X, Xt, userInfo, userInfo_train = sklearn.cross_validation.train_test_split(X, userInfo) Sin embargo, me gustaría estratificar mi conjunto de datos de...
Quiero trazar una matriz de confusión para visualizar el desempeño del clasificador, pero muestra solo los números de las etiquetas, no las etiquetas en sí: from sklearn.metrics import confusion_matrix import pylab as pl y_test=['business', 'business', 'business', 'business', 'business',...
Estoy aprendiendo diferentes métodos para convertir variables categóricas en numéricas para clasificadores de aprendizaje automático. Encontré el pd.get_dummiesmétodo y sklearn.preprocessing.OneHotEncoder()quería ver cómo se diferenciaban en términos de rendimiento y uso. Encontré un tutorial...
Antecedentes: recién estoy comenzando con scikit-learn, y leo al final de la página sobre joblib, versus pickle . puede ser más interesante usar el reemplazo de pickle de joblib (joblib.dump & joblib.load), que es más eficiente en big data, pero solo puede hacer pickle en el disco y no en...
Estoy tratando de usar uno de los métodos de aprendizaje supervisado de scikit-learn para clasificar fragmentos de texto en una o más categorías. La función de predicción de todos los algoritmos que probé solo devuelve una coincidencia. Por ejemplo, tengo un fragmento de texto: "Theaters in...
Quiero usar IsolationForestpara encontrar valores atípicos. Quiero encontrar los mejores parámetros para el modelo con GridSearchCV. El problema es que siempre recibo el mismo error: TypeError: If no scoring is specified, the estimator passed should have a 'score' method. The estimator...
En mi conjunto de datos tengo dos columnas categóricas que me gustaría numerar. Las dos columnas contienen países, algunos se superponen (aparecen en ambas columnas). Me gustaría dar el mismo número en la columna 1 y la columna 2 para el mismo país. Mis datos se parecen a: import pandas as pd d...
Estoy usando un Lidar 2D y obtengo los datos como ángulo y distancia con respecto a la posición Lidar. Tengo que crear un plano de planta usando Lidar y los datos que se muestran a continuación representan una habitación. Quiero usar el algoritmo ransac para encontrar la pared de la habitación. Si...