小编Aar*_*eus的帖子

我正在尝试执行Udacity mini项目，并且已经安装了最新版本的SKLearn库（20.2）。

当我跑步时：

from sklearn.decomposition import RandomizedPCA

我得到错误：

ImportError: cannot import name 'RandomizedPCA' from 'sklearn.decomposition' (/Users/kintesh/Documents/udacity_ml/python3/venv/lib/python3.7/site-packages/sklearn/decomposition/__init__.py)

我实际上甚至使用以下方式升级了版本：

pip3 install -U scikit-learn

哪个已从升级0.20.0到0.20.2，也已卸载并重新安装...所以我不确定为什么它无法初始化sklearn.decomposition。

这里有什么解决方案可能不会导致从我的机器上完全卸载python3吗？希望避免这种情况。

任何帮助将不胜感激！

编辑：

我正在做一些挖掘并尝试修复此问题，似乎好像SKLearn GitHub上库中的__init__.py文件decomposition未引用RandomizedPCA...是否已将其删除？

链接到GitHub页面

我通常只是将其发布到 Stack Overflow，但我考虑了一下并意识到这实际上不是一个编码问题 - 这是一个 ML 问题。

对代码或其他任何内容的任何其他反馈都非常感谢和欢迎！

Jupyter 笔记本

所以我正在 Kaggle 上做这个巨大的问题。我准备好了四个数据集：

• features_train
• 功能测试
• 目标火车
• 目标_测试

考虑到这一点，我有两个问题，尽管第二个是重要的。

问题1：我对下一步的理解是否正确？

我们在训练数据上拟合我们的模型，然后我们创建一个预测 ( pred )，它试图根据我们的features_test数据进行预测。这意味着我们的pred和target_test数据集理论上应该是相同的（如果模型运行良好）。

这意味着为了证明模型的准确性，我们可以简单地比较pred和target_test之间的结果，这正是Sklearn 中的accuracy_score函数所做的。

问题2：使用模型的score方法和accuracy_score函数有什么区别？

这就是让我困惑的地方。您可以在单元格 97 中看到我使用的“模型 1”标题下的第一个单元格：

clf.score(features_test, target_test)

这是结果

0.8609865470852018

但是，后来，我也使用：

from sklearn.metrics import accuracy_score
print(accuracy_score(target_test, pred))

这也导致

0.8609865470852018

这两个分数怎么一样？我做错了什么吗？或者这两个步骤基本上都在做同样的事情？如何..？该score()属性是否有效地创建了一个predDataframe 并在后台进行检查？

我有一个名为的数据框df_base，看起来像这样。正如您所看到的，有一个名为Sexthat's maleor的列female。我想将这些值分别映射为 0 和 1。

+---+-------------+----------+--------+---------------------------------------------------+--------+-----+-------+-------+------------------+---------+-------+----------+
|   | PassengerId | Survived | Pclass |                       Name                        |  Sex   | Age | SibSp | Parch |      Ticket      |  Fare   | Cabin | Embarked |
+---+-------------+----------+--------+---------------------------------------------------+--------+-----+-------+-------+------------------+---------+-------+----------+
| 0 |           1 |        0 |      3 | Braund, Mr. Owen Harris                           | male   |  22 |     1 |     0 | A/5 21171        |    7.25 | NaN   | S        |
| 1 |           2 |        1 |      1 | …

我的数据pw2框看起来像这样，其中有两列pw1和pw2，这是获胜的概率。我想执行一些条件逻辑，以创建另一个WINNER基于based pw1and的列pw2。

+-------------------------+-------------+-----------+-------------+
|          Name1          |     pw1     |   Name2   |     pw2     |
+-------------------------+-------------+-----------+-------------+
| Seaking                 | 0.517184213 | Lickitung | 0.189236181 |
| Ferrothorn              | 0.172510623 | Quagsire  | 0.260884258 |
| Thundurus Therian Forme | 0.772536272 | Hitmonlee | 0.694069408 |
| Flaaffy                 | 0.28681284  | NaN       | NaN         |
+-------------------------+-------------+-----------+-------------+

我想有条件地在函数中执行此操作，但是遇到了一些麻烦。

• 如果pw1> pw2，则填充Name1
• 如果pw2> pw1，则填充Name2
• 如果pw1已填充但未pw2填充，则填充Name1
• 如果pw2 …