小编use*_*108的帖子

我目前正在尝试使用逻辑回归创建二元分类。目前我正在确定特征重要性。我已经进行了数据预处理（一次热编码和采样）并使用 XGBoost 和 RandomFOrestClassifier 运行它，没问题

但是，当我尝试拟合 LogisticRegression 模型时（以下是我在 Notebook 中的代码），

from sklearn.linear_model import LogisticRegression

#Logistic Regression
# fit the model
model = LogisticRegression()
# fit the model
model.fit(np.array(X_over), np.array(y_over))
# get importance
importance = model.coef_[0]
# summarize feature importance
df_imp = pd.DataFrame({'feature':list(X_over.columns), 'importance':importance})
display(df_imp.sort_values('importance', ascending=False).head(20))

# plot feature importance
plt.bar(list(X_over.columns), importance)
plt.show()

它给出了一个错误

...
~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\parallel.py in <listcomp>(.0)
    223         with parallel_backend(self._backend, n_jobs=self._n_jobs):
    224             return [func(*args, **kwargs)
--> 225                     for func, args, kwargs in self.items]
    226 
    227     def __len__(self):

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\linear_model\_logistic.py in _logistic_regression_path(X, …

我正在尝试制作一个Android应用程序,让用户用lomo效果拍照.问题是,我想让相机自动预览图像效果,不拍照然后应用效果.

我学会了如何在这个链接上使用CameraPreview .我在这里也发现了EfectFactory类,它具有我想要的效果.问题是,我不知道如何在CameraPreview上应用efectfactory类.

我用谷歌搜索了这个,但没有找到我想要的答案.

对于代码,我使用与我的第一个链接提供的相同.

任何人都可以帮我解决这个问题吗？

提前致谢

我在 matplotlib 的子图中显示 OpenCV 图像时遇到问题

#Read random images from multiple directories
import random
animals = os.listdir('signs/train')
sample_images = []
for a in animals:
  dirname = 'signs/train/' + a
  files = random.sample(os.listdir(dirname), 5)
  files = [dirname + '/' + im for im in files]
  sample_images.extend(files)

del files, dirname,   animals
print(sample_images)

# Output: ['signs/train/rooster/00000327.jpg', 'signs/train/rooster/00000329.jpg', 'signs/train/rooster/00000168.jpg', ...,  'signs/train/rooster/00000235.jpg', 'signs/train/rooster/00000138.jpg']

#Read using OpenCV and show in matplotlib's subplots

fig, ax = plt.subplots(12, 5,figsize=(15,15), sharex=True)
for idx, si in enumerate(sample_images):
  i = idx % …