小编ADJ*_*ADJ的帖子

我正在尝试按照本教程.第一步是安装DeCaf.我是Python的新手,到目前为止我只通过easy_install,pip或Windows二进制文件安装了软件包.如何安装DeCaf软件包？我尝试从Github下载ZIP,并进行python setup.py安装,但它似乎不起作用.我在Windows 7上,使用Anaconda 1.8.

谢谢,

G

我正在尝试使用一系列样本权重来运行简单的Sklearn Ridge回归.X_train是一个~200k×100的2D Numpy阵列.我尝试使用sample_weight选项时出现内存错误.没有这个选项,它工作得很好.为了简单起见,我将功能减少到2,而sklearn仍然会让我感到内存错误.有任何想法吗？

model=linear_model.Ridge()

model.fit(X_train, y_train,sample_weight=w_tr)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/linear_model/ridge.py", line 449, in fit
    return super(Ridge, self).fit(X, y, sample_weight=sample_weight)
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/linear_model/ridge.py", line 338, in fit
    solver=self.solver)
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/linear_model/ridge.py", line 286, in ridge_regression
    K = safe_sparse_dot(X, X.T, dense_output=True)
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/utils/extmath.py", line 83, in safe_sparse_dot
    return np.dot(a, b)
MemoryError

我想将 sklearn 的 CalibratedClassifierCV 与 sklearn 的 SVC 结合使用来对多类（9 类）预测问题进行预测。但是，当我运行它时，出现以下错误。相同的代码在不同的模型（即 RandomForestCalssifier）下运行没​​有问题。

kf = StratifiedShuffleSplit(y, n_iter=1, test_size=0.2)
clf = svm.SVC(C=1,probability=True)            
sig_clf = CalibratedClassifierCV(clf, method="isotonic", cv=kf)
sig_clf.fit(X, y)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/calibration.py", line 166, in fit
    calibrated_classifier.fit(X[test], y[test])
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/calibration.py", line 309, in fit
    calibrator.fit(this_df, Y[:, k], sample_weight)
IndexError: index 9 is out of bounds for axis 1 with size 9

我知道如何在其基本公式中使用累积和,代码如下:

Table Name: Employees
dept_id salary
-------------
10     1000
10     1000
10     2000
10     3000
20     5000
20     6000
20     NULL

SELECT dept_id,
       salary,
       SUM(salary) OVER(PARTITION BY dept_id 
             ORDER BY salary ASC 
             rows unbounded preceding) cum_sum
FROM   Employees;

dept_id   salary  cum_sum  
--------------------------
10        1000    1000     
10        1000    2000     
10        2000    4000     
10        3000    7000     
20        5000    5000     
20        6000    11000    
20        NULL    11000    

但是,如何将累积总和限制为仅前N行？例如,将累积和限制为当前行和前两行.

dept_id   salary  cum_sum  
--------------------------
10        1000    1000     
10        1000    2000     
10        2000    4000     
10        3000    6000 …

如何返回 CatBoost 模型的所有超参数？

注意：我不认为这是Print CatBoost 超参数的重复，因为该问题/答案不能满足我的需要。

例如，使用 sklearn 我可以做到：

rf = ensemble.RandomForestClassifier(min_samples_split=2)
print rf

RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_impurity_decrease=0.0, min_impurity_split=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)

这将返回所有超参数，我定义的参数和其他默认值。

使用 Catboost 我可以使用 .get_params() 但它似乎只返回用户指定的参数：

cat = CatBoostClassifier(loss_function='Logloss',
                         verbose = False,
                        eval_metric='AUC',
                        iterations=500,
                         thread_count = None,
                        random_state=SEED)
print cat.get_params()

{'iterations': 500, 'random_state': 42, 'verbose': False, 'eval_metric': 'AUC', 'loss_function': 'Logloss'}

例如，我想知道使用了什么 learning_rate，但理想情况下可以获取整个列表。

我正在从csv文件导入一些数据.该文件的nan值标记为文本"NA".我导入数据:

X = genfromtxt(data, delimiter=',', dtype=float, skip_header=1)

我使用此代码用一个普遍计算的列平均值替换nan.

inds = np.where(np.isnan(X))
X[inds]=np.take(col_mean,inds[1])

然后我运行几个检查并获得空数组:

np.where(np.isnan(X))
np.where(np.isinf(X))

最后我运行了一个scikit分类器:

RF = ensemble.RandomForestClassifier(n_estimators=100,n_jobs=-1,verbose=2)
RF.fit(X, y)

并得到以下错误:

  File "C:\Users\m&g\Anaconda\lib\site-packages\sklearn\ensemble\forest.py", line 257, in fit
    check_ccontiguous=True)
  File "C:\Users\m&g\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 233, in check_arrays
    _assert_all_finite(array)
  File "C:\Users\m&g\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 27, in _assert_all_finite
    raise ValueError("Array contains NaN or infinity.")
ValueError: Array contains NaN or infinity.

有什么想法告诉我有NaN或无穷大？我看过这篇文章并尝试运行:

RF.fit(X.astype(float), y.astype(float))

但我得到了同样的错误.

我有一个具有简单xml结构的文件，希望将其加载到Postgres表中。

<rows>
<field name="id">1</field>
<field name="age">75-84</field>
<field name="gndr">F</field>
<field name="inc">32000-47999</field>
</rows>

有一个简单的方法吗？