数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

我的线性回归模型不适合2D阵列

所以我需要绘制两个一维数组，我想绘制线性回归模型以了解它们的趋势，所以我有以下代码：from brian2 import *%matplotlib inlinefrom sklearn.linear_model import LinearRegressionstart_scope()reg = LinearRegression()reg.fit(rates, R)reg.coe

0.0000

0

3

0

关注作者

收藏

詹惠儿

pythony有什么函数可以进行精确度处理

Python的定义允许使用不同的函数以多种方式处理浮点数的精度。其中大多数是在“ math”模块下定义的。本文将讨论一些最常用的函数。1. trunc（）： -此函数用于消除浮点数的所有小数部分，并返回不带小数部分的整数。2. ceil（）： -此函数用于打印大于给定数字的最小整数。3. floor（）： -此函数用于打印小于给定整数的最大整数。# Python code to demo

8.9856

1

2

0

关注作者

收藏

啊啊啊啊啊吖

从包含集合的pandas列转置和转换onehotencode

我想转置然后“一热编码”风格。例如，采用数据帧dfCol1 Col2 C {Apple, Orange, Banana} A {Apple, Grape} B {Banana}我想转换它并得到：DFCol1 C A B Apple 1 1 0Orange 1 0

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

管道中LogisticRegression的_coef值太多

我正在sklearn管道中使用sklearn-pandas DataFrameMapper。为了评估特征联合管道中的特征贡献，我喜欢测量估计器的系数（Logistic回归）。对于下面的代码示例中，三个文本内容列a, b和c被矢量化和选择用于X_train：import pandas as pdimport numpy as npimport picklefrom sklearn_pand

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

计算df中的行数以发现每天的存活率

我有dfA（表A）包含某些产品可用的天数（days_survived）。我需要计算每天可用的产品数量（表B）。我的意思是，我需要计算行数，dfA以发现前5天每天的存活率（df2）。表A： ------- -------------- | id | days_survived| ------- -------------- | 1 | 1 || 2

24.8917

1

3

0

关注作者

收藏

啊啊啊啊啊吖

precision_score可以相等吗

我正在尝试使用sklearn库在python 3中构建逻辑回归模型。让我们坚持下面的短版本，dv - 因变量idv - 自变量现在我有idv1，idv2，idv3，idv4，idv5，idv6，idv7，idv8和idv9。其中idv6到idv9是分类变量（idv6和idv7有3个类别..其中idv8和idv9是布尔变量..是或没有变量[0或1]）而且dv又是一个布尔变量（

24.8917

1

2

0

关注作者

收藏

啊啊啊啊啊吖

如何计算岭回归模型的RMSE

我在数据集上进行了岭回归模型，如下所示：from sklearn.linear_model import Ridgefrom sklearn.model_selection import train_test_splity = train['SalePrice']X = train.drop("SalePrice", axis = 1)X_train, X_test, y_trai

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

将测试集划分为子组，然后分别对每个子组进行预测

我有一个类似于下表的数据集：在此输入图像描述预测目标将成为“得分”列。我想知道如何将测试集划分为不同的子组，例如1到3之间的分数，或者然后检查每个子组的准确性。现在我拥有如下：X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)model = tree.DecisionTreeRegr

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

如何避免sklearn2pmml转换的虚拟变量错误

在尝试创建sklearn2pmml管道时，我使用以下代码进行自定义映射，然后使用PMMLLabelBinarizer创建虚拟变量。事情是，我想避免虚拟变量陷阱。有没有办法使用PMMLPipelines这样做，并避免使用任何自定义FunctionTransformer函数（我想最终将管道转换为PMML文件）我找不到使用现成的PMML兼容功能删除最后一列的方法。（DataframeMapper是一

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

在Codeigniter中将多行插入数据库

在我的界面中，我连续排列了3个常量行，包括项目，数量，重量......等列。当我选择行中的数据并提交表单时，只会将第3行数据插入到数据库中。我希望每个包含数据的行都插入到数据库中。对此有何解决方案？谢谢。更新::我曾尝试使用PHP数组，下面是更新的代码。但是我已经停留在foreach部分，我想将数据插入数据库。我的看法：

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

每个查询结果在表中插入行[duplicate]

我的数据库中有2个表我正在使用以下查询为特定用户选择所有朋友。SELECT FID FROM `friends` as F WHERE UID = 1我想做的是在'guestbook'表中为上面查询返回的每个结果插入一行。INSERT INTO `guestbook` (`FID`, `UID`, `message`) VALUES ('FID SHOULD BE EQUAL TO

24.8917

1

1

0

关注作者

收藏

詹惠儿

python如何创建秒表（2）

0.0000

0

4

0

关注作者

收藏

詹惠儿

python如何制作距离时间计算器（4）

# Create a CLEAR Button and attached # to del_source function button1 = Button(root, text = "CLEAR", bg = "red", fg = "black", command = del_source) # Create a CLEAR Button and attached to

42.8571

1

2

0

关注作者

收藏

詹惠儿

python如何计算距离时间计算器（3）

# Function for clearing the contents of # destination_field, distance_field, # duration_field text entry boxes. def del_destination() : destination_field.delete(0, END) distance_field.delete(0

42.8571

1

4

0

关注作者

收藏

詹惠儿

python如何制作距离时间计算器（2）

# Check value correspondng to # status key in cell dictionary if cell['status'] == 'OK' : # insert method inserting the # value in the text entry box. # Extracting useful information

42.8571

1

0

0

关注作者

收藏

zxq997

dl4j梯度归一化

在训练神经网络时，有时应用梯度归一化是有帮助的，以避免梯度太大（所谓的梯度爆炸问题，在循环神经网络中常见）或太小。这可以用.gradientNormalization(GradientNormalization) 和.gradientNormalizationThreshould(double) 方法来实现。packageorg.deeplearning4j.nn.updater;imp

0.0000

0

3

0

关注作者

收藏

zxq997

dl4j小批量大小

minibatch指的是在计算梯度和参数更新时一次使用的实例的数量。在实践中（除了最小的数据集之外），将数据设置成多个小批量是标准的做法。理想的小批量大小将有所不同。例如，一个大小为10的小批量对于GPU来说常常太小，但是可以在CPU上工作。大小为1的小批量将允许网络进行训练，但不会获得并行性的好处。32可以是尝试的合理起点，其中16-128(有时小于或大于或取决于应用和网络类型)范围内的小批

0.0000

0

6

0

关注作者

收藏

zxq997

正则化方法有助于避免训练过程中的过拟合。当网络很好地预测训练集，但是对网络从未见过的数据做出糟糕的预测时，就会发生过拟合。一种考虑过拟合的方法是网络记忆了训练数据（而不是学习其中的总体关系）。正则化的常见类型包括： L1和L2正则化惩罚了大的网络权重，并且避免了权重变得太大。L2正则化的一些级别在实践中是常用的。然而，请注意，如果l1或l2正则化系数太高，它们可能对网络造成过度惩罚，并阻止

42.8571

1

2

0

关注作者

收藏

zxq997

dl4j策略与调度

你可以为你的神经网络选择一个学习速率策略。策略会随着时间的推移而改变学习率，获得更好的结果，因为学习速率可以“减速”，以找到更接近的局部极小收敛。常用的策略是调度。有关实践中使用的学率调度，请参阅LeNet 示例。请注意，如果使用多个GPU，这将影响你的调度。例如，如果你有2个 GPU，那么你需要将你的调度中的迭代分成2份，因为你的训练过程的吞吐量将是两倍，并且学习速率调度只适用于本地GP

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

SQL查询排序OrderBy

问题描述：1.我要查询课程排序，有三种状态：正在上课、即将上课、已结束2.大排序按，正在上课、即将上课、已结束3.小排序，正在上课、即将上课（按时间正序），已结束（按时间倒序）如何在一个SQL中实现？解决方法：正在上课、即将上课、已结束对应status 1,2,3select *from table order by status,case status when 1 then

42.8571

1

1

0

关注作者

收藏

<1…421422423…530>

CDA考试动态

CDA报考指南