小编K.h*_*eer的帖子

我试图将数据(银行)分成训练数据和测试数据.但我在某种程度上得到了一个错误.我怎么能解决这个问题？

train = bank[1:100, ]
test = bank[!train,]
Status.test =Status[!train]
glm.fit=glm(Status~Length+Right+Bottom+Top+Diagonal,data=bank,family=binomial,subset=train)

#Error in xj[i] : invalid subscript type 'list'

glm.probs=predict(glm.fit,test,type="response") 
glm.pred=rep("genuine",100)  
glm.pred[glm.probs>.5]="counterfeit"
table(glm.pred,test)##classification on training data

#Error in table(glm.pred, test) : all arguments must have the same length

我想创建像下面这样的5*3数组,而不是明确地输入它.

[[1,  6, 11],
 [2,  7, 12],
 [3,  8, 13],
 [4,  9, 14],
 [5, 10, 15]]

我用过以下代码.

np.arange(1, 16).T.reshape((5,3))

但它表明

array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12],
       [13, 14, 15]])

如何按升序排序数字,使其成为第一个数组？

为什么在聚类方法中使用调整的兰特指数 (ARI) 和归一化互信息 (NMI) 会比简单的测试分数（例如 MSE）产生更好的测量结果？我理解哪个点属于哪个聚类在聚类算法中很重要，并且标记是任意的。